Ainoa Qui±ones Montellano - E-Prints Complutense - Universidad

UNIVERSIDAD COMPLUTENSE DE MADRID

FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES

Departamento de Economía Aplicada II (Estructura Económica y Economía Industrial)

IMPACTO DE LA INNOVACIÓN Y LA AYUDA CIENTÍFICO-TECNOLÓGICA EN LOS PAÍSES EN DESARROLLO

MEMORIA PARA OPTAR AL GRADO DE DOCTOR

PRESENTADA POR

Ainoa Quiñones Montellano

Bajo la dirección del doctor

Antonio Vázquez Barquero

Madrid, 2013

©Ainoa Quiñones Montellano, 2012

UNIVERSIDAD COMPLUTENSE DE MADRID

FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES

Departamento de Economía Aplicada II

IIMMPPAACCTTOO DDEE LLAA IINNNNOOVVAACCIIÓÓNN YY LLAA AAYYUUDDAA

CCIIEENNTTÍÍFFIICCOO--TTEECCNNOOLLÓÓGGIICCAA EENN LLOOSS PPAAÍÍSSEESS EENN

DDEESSAARRRROOLLLLOO

TESIS DOCTORAL

AUTORA


DIRECTOR


UNIVERSITY COMPLUTENSE OF MADRID

FACULTY OF ECONOMICS AND BUSINESS

Department of Applied Economics II

IIMMPPAACCTT OOFF IINNNNOOVVAATTIIOONN AANNDD AAIIDD FFOORR

SSCCIIEENNCCEE AANNDD TTEECCHHNNOOLLOOGGYY IINN DDEEVVEELLOOPPIINNGG

CCOOUUNNTTRRIIEESS

PhD THESIS

AUTHOR


SUPERVISOR


A mis padres por todo su cariño y dedicación

A Sergio, mi compañero de vida y gran apoyo


AGRADECIMIENTOS

Esta Tesis Doctoral es el resultado de cuatro años de intensa investigación, en los que

he contado con el apoyo financiero de una beca FPI de la Universidad Politécnica de

Madrid financiada por la Cátedra ISDEFE (Ingeniería de Sistemas para la Defensa de

España) y una plaza de profesora ayudante en la Universidad de Cantabria, además del

apoyo institucional de la Universidad Complutense de Madrid y el Instituto

Complutense de Estudios Internacionales (ICEI). La Tesis se ha beneficiado de tres

meses de estancia de investigación en el Institute of Development Studies (IDS) de la

Universidad de Sussex en el equipo KNOTS, Knowledge, Technology and Society.

Durante este tiempo, el trabajo se ha nutrido de las frecuentes discusiones mantenidas

con el profesor Antonio Vázquez Barquero (director de la Tesis Doctoral), cuyo apoyo y

aportaciones han sido imprescindibles para la culminación de este proyecto. También

hay que destacar las aportaciones y cometarios recibidos por parte de distintos

académicos e investigadores: los profesores del curso de doctorado en Economía y

Gestión de la Innovación de las Universidades Complutense, Politécnica y Autónoma

de Madrid; la doctora Linda Waldman y los investigadores del grupo Knowledge,

Technology and Society (KNOTS) del IDS; los profesores de la Universidad de

Cantabria Sergio Tezanos Vázquez y Rafael Domínguez; y el Doctor Rogelio

Madrueño. Una mención especial merece el Catedrático Rogelio Olavarri por el apoyo

generoso que me ha brindado durante los tres años de trabajo en la Universidad de

Cantabria, apostando por mí como profesora ayudante del Departamento de

Administración de Empresas, así como a otros compañeros de Departamento, Pedro

Díaz, María Jesús González y Saúl Torres. La investigación ha recibido también una

ayuda constante y facilidades de acceso a la información por parte de la Oficina

Estadística del Comité de Ayuda al Desarrollo (CAD) de la OCDE. Se ha beneficiado


de los comentarios recibidos en distintos congresos académicos, como XIII Reunión de

Economía Mundial “La Gobernanza Global: Cooperación y Conflicto en el Sistema

Económico Mundial”, el V Congreso Universidad y Cooperación al Desarrollo y el

Congreso Internacional de Economía Aplicada – ASEPELT 2011, “Un Nuevo Contexto

Económico y Financiero: Retos”.

Quiero dar las gracias también a mi familia por su cariño incondicional y su constante

apoyo. Gracias a mis padres, Julián y Mª Rosa y a mis hermanos, Celia y Alberto

porque siempre me han animado a luchar para alcanzar mis sueños y me han apoyado

en todas mis decisiones.

Y por último a Sergio, mi apoyo más importante. Gracias por tu ayuda y paciencia, y

sobre todo, gracias por estar a mi lado.


ABREVIATURAS

AOD Ayuda oficial al desarrollo

AOD-CT Ayuda oficial al desarrollo científico-tecnológica

CAD Comité de Ayuda al Desarrollo

CRS Credictor Reporting System

EEUU Estados Unidos

G-5 Grupo de los cinco

G-7 Grupo de los siete

IAT Índice de Adelanto Tecnológico

I+D Investigación y Desarrollo

I+D+i Investigación, Desarrollo e Innovación

IED Inversión Extranjera Directa

MCG Mínimos cuadrados generalizados

MCO Mínimos cuadrados ordinarios

NNUU Naciones Unidas

OCDE Organización para la Cooperación y el Desarrollo Económicos

ODM Objetivos de Desarrollo del Milenio


OMPI Organización Mundial de la Propiedad Intelectual

ONGD Organización no Gubernamental para el desarrollo

PED Países en desarrollo

PIB Producto Interior Bruto

PNB Producto Nacional Bruto

PNUD Plan de Naciones Unidas para el Desarrollo

PTF Productividad Total de los Factores

SNI Sistema Nacional de Innovación

TIC Tecnologías de la Información

UNCTAD Conferencia de las Naciones Unidas sobre Comercio y Desarrollo

UNESCO Organización de las Naciones Unidas para la Educación

URSS Unión de Repúblicas Soviéticas

WEF World Economíc Forum


ÍNDICE DE CONTENIDOS

INTRODUCCIÓN...................................................................................................... 21

INTRODUCTION………………………………………………………………….. 27

CAPÍTULO 1. INNOVACIÓN Y CRECIMIENTO: ESTUDIOS TEÓRICOS Y

EMPÍRICOS………………………………………………………………………... 33

1.1. Introducción……………………………………………………………….…...... 34

1.2. Innovación en los modelos de crecimiento exógeno……………………............. 36

1.3. Innovación en los modelo de crecimiento endógeno……………………….…… 42

1.3.1. Innovación por aumento de la variedad.....……….…………...................... 43

1.3.2. Innovación por aumento de la cantidad…………….……………………… 50

1.4. Estudios empíricos sobre innovación y crecimiento…………………………….. 59

1.4.1. Estudio del impacto directo de la innovación sobre el crecimiento………... 60

1.4.2. Estudios del impacto de la innovación sobre el crecimiento a través del

incremento de la productividad……...…………………………............................ 61

1.4.3. Estudios de convergencia mediante la difusión internacional de

Tecnología……………………………………………………………….………... 64

1.5. Conclusiones parciales……………………………………………………........... 66

CAPÍTULO 2. COOPERACIÓN CIENTÍFICO TECNOLÓGICA PARA EL

DESARROLLO INTERNACIONAL………….…………………..…..………….. 69

2.1. Introducción………………………………………………………..……………. 70

Impacto de la innovación y la ayuda científico-tecnológica en los países en desarrollo

Ainoa Quiñones Montellano 12

2.2. Panorama de innovación en los PED……………………………..……………... 70

2.3. Cooperación científico-tecnológica para el desarrollo internacional: concepto,

objetivos, actores y sectores de destino…………………….………………………… 77

2.4. Ayuda oficial al desarrollo científico-tecnológica: recursos, tendencia y

distribución geográfica y sectorial………...…………………..……………………... 83

2.5. Conclusiones parciales…………………………………………………………... 93

CAPÍTULO 3. ESPECIFICACIÓN DEL MODELO DE IMPACTO DE LA

AYUDA CIENTÍFICO-TECNOLÓGICA……………………………….……….. 97

3.1. Introducción……………………………………………………………………... 98

3.2. El debate sobre el impacto de la ayuda en el crecimiento………………………. 98

3.3. Modelo analítico de impacto de la ayuda científico-tecnológica sobre el

desarrollo……………………………………………………………………………... 106

3.4. Procedimiento de la estimación econométrica……………...……………............ 108

3.5. Variables………………………………………………………………………... 112

3.6. Muestra de países y estructura temporal………………………………….……... 120

CAPÍTULO 4. RESULTADOS DEL MODELO DE IMPACTO DE LA

AYUDA CIENTÍFICO-TECNOLÓGICA………………………………………... 123

4.1. Introducción…………………………………………………...………………… 124

4.2. Resultados del modelo de impacto de la ayuda científico-tecnológica...…........... 126

4.3. Análisis de la robustez de la estimación………………………………………… 131

4.3.1. Problemas de multicolienalidad…………………………………………..... 132

4.3.2. Problemas de heteroscedasticidad y autocorrelación………………………. 136

4.4. Conclusiones parciales………………………………………………………....... 137

CONCLUSIONES………………………………………………………………...... 141

CONCLUSIONS……………………………………………………………………. 151

6. REFERENCIAS……………………………………………………….…………. 159

Índice de contenidos


6.1. Referencias bibliográficas………………………………………….……………. 159

6.2. Bases de datos…………………………………………………….……….…….. 174

7. ANEXOS……………………………………………………………...…………... 175

Anexo 1. Lista del CAD de países receptores de AOD………… …………….....…. 177

Anexo 2. Esquema de teorías de crecimiento con innovación tecnológica……..…… 181

Anexo 3. Influencia de la innovación en el crecimiento. Principales estudios

empíricos………………………………………………………………………...…… 185

Anexo 4. Distribución de la AOD-CT por países y sectores (2005-2008)…......……. 193

Anexo 5. Países y periodos incluidos en el análisis de regresión……………….…… 203

IMPACT OF INNOVATION AND AID FOR SCIENCE AND TECHNOLOGY IN

DEVELOPING COUNTRIES…………………………………………………………….. 207


ÍNDICE DE CUADROS


DESARROLLO INTERNACIONAL

Cuadro 2.1. Grupos de países según el Índice de Adelanto Tecnológico…….………. 77

Cuadro 2.2. Características de las políticas internacionales de cooperación CT para

el desarrollo………………………………………………………………….………... 79

Cuadro 2.3. Sectores de destino de la cooperación CT………….………………….... 80

Cuadro 2.4. Orientaciones principales de las políticas de cooperación en ciencia y

tecnología……………………………………………………….………….…..……… 82

Cuadro 2.5. AOD-CT. 2005-2008 (%)……………………………………………...... 86

Cuadro 2.6. Coeficientes de correlación Spearman entre AOD-CT e

innovación….................................................................................................................. 87

Cuadro 2.7. Distribución sectorial de la AOD-CT. 2001-2004 y 2005-2008………… 92

CAPÍTULO 3. ESPECIFICACIÓN DEL MODELO DE IMPACTO DE LA

AYUDA CIENTÍFICO-TECNOLÓGICA

Cuadro 3.1. Estudios de eficacia de la ayuda de la tercera generación……………….. 104

Cuadro 3.2. Descripción de variables y fuentes de información………..…………..... 113

Cuadro 3.3. Estadísticos descriptivos……………………………………..………….. 114



CAPÍTULO 4. RESULTADOS DEL MODELO DE IMPACTO DE LA AYUDA

CIENTÍFICO-TECNOLÓGICA

Cuadro 4.1. Estimación del modelo de eficacia de la ayuda científico-tecnológica.... 127

Cuadro 4.2. Listado de casos atípicos del panel de datos….………………………… 129

Cuadro 4.3. Matriz de correlaciones por pares de las variables incluidas en el

análisis………………………………………………………………………………… 134

Cuadro 4.4. Re-estimación del modelo de eficacia de la ayuda científico-tecnológica

sin incluir las variables explicativas con correlaciones………………………………. 135


ÍNDICE DE GRÁFICOS

CAPÍTULO 1. INNOVACIÓN Y CRECIMIENTO: ESTUDIOS TEÓRICOS

Y EMPÍRICOS

Gráfico 1.1. Modelo de Solow-Swan con progreso tecnológico…………………... 41

Gráfico 1.2. Modelo básico de Escalas de Calidad………………………………… 53



Gráfico 2.1. Nivel de desarrollo económico versus capacidad de innovación…….. 74

Gráfico 2.2. Evolución de la participación de la AOD-CT en la AOD global (%)... 84

Gráfico 2.3. Evolución de la AOD-CT en la AOD global (%)…………………….. 85

Gráfico 2.4. AOD-CT/PIB versus capacidad de innovación………………………. 88

Gráfico 2.5. AOD-CT/PIB versus inversión en I+D+i…………………………….. 89

Gráfico 2.6. Curva de concentración de la innovación…………………………….. 91

CAPÍTULO 4. RESULTADOS DEL MODELO DE IMPACTO DE LA


Gráfico 4.1. Relación entre capacidad de innovación y crecimiento económico.

1993-2008…………………………………………………………………….......... 125

Gráfico 4.2. Relación entre AOD-CT y crecimiento económico. 1993-2008.…….. 125


ÍNDICE DE MAPAS Y RECUADROS

CAPÍTULO 1. INNOVACIÓN Y CRECIMIENTO: ESTUDIOS TEÓRICOS Y

EMPÍRICOS

Recuadro 1.1. Productores finales, empresas innovadoras y consumidores en el

modelo de Romer……………………………………………………………….……... 45

Recuadro 1.2. Productores, empresas de investigación y consumidores en los

modelos de incremento de la calidad de producto……………………………….……. 53



Mapa 2.1. Capacidades de innovación tecnológica en el mundo……………………… 75


INTRODUCCIÓN

La innovación –de acuerdo con el Manual de Oslo de la OCDE (2005)– es la

implementación de un producto (bien o servicio) o proceso nuevo o con un alto grado de

mejora, o un método de comercialización u organización nuevo aplicado a las prácticas de

negocio, al lugar de trabajo o a las relaciones externas. Históricamente las sociedades –y

las personas– más innovadoras han progresado más rápido en la senda del desarrollo. No

es de extrañar entonces que la Ciencia Económica se haya preocupado desde sus orígenes

por analizar la contribución de la innovación al crecimiento económico. Así, economistas

clásicos como Adam Smith y David Ricardo abordaron ya el análisis del progreso de las

naciones sin olvidar el papel fundamental que desempeñan el avance tecnológico y el

conocimiento.

El análisis sobre la innovación se enriquece a lo largo del siglo XX con novedosos

enfoques de análisis económico. El economista austriaco Joseph Schumpeter afirmó que la

innovación impulsa el desarrollo económico mediante un proceso dinámico, en el cual las

nuevas tecnologías sustituyen a las viejas, conformándose así un proceso de “destrucción

creativa”. Asimismo identificó dos tipos principales de innovaciones (Schumpeter, 1934):

las “innovaciones radicales”, que provocan un cambio absoluto; y las “innovaciones

incrementales”, que suponen un avance en el conocimiento. La obra seminal de

Schumpeter levantó los cimientos teóricos para el posterior surgimiento de la escuela

evolucionista que centra su análisis en el estudio de la innovación y su papel en el

comportamiento de la economía (Nelson y Winter, 1982).

Para definir de manera clara el concepto de innovación es preciso distinguirla del concepto

próximo de “imitación”. Imitar –según la Real Academia Española– es “crear algo a



ejemplo o semejanza de otra cosa”. Esta distinción es importante en el ámbito del

desarrollo internacional, ya que según la Organización para la Cooperación y el Desarrollo

Económico (OCDE, 2005) las capacidades de innovación de los países en desarrollo1

(PED) avanzan cuando se introducen por primera vez productos y procesos que son nuevos

para estos países, aunque no lo sean para el resto del mundo. Es decir, la “imitación

tecnológica” se considera parte del proceso de innovación, hasta el punto que para algunos

autores el ritmo de crecimiento económico de un país está afectada por su capacidad para

afrontar el salto tecnológico a través de la innovación y/o la imitación (Fagerberg y

Verspagen, 2002).

La innovación no consiste meramente en medios tecnológicos (como la maquinaria) e

información tecnológica (como las instrucciones para operar dicha maquinaria), sino

también en la comprensión de la tecnología, el “saber hacer”. Este saber es tácito y se basa

en el aprendizaje que se obtiene mediante la capacitación, la experiencia y la observación2.

De ahí la importancia de la asimilación y la absorción de tecnología extranjera; tecnología

que, por lo tanto, no solamente consiste en medios físicos, sino también en recursos

intangibles como la información, la comprensión y el aprendizaje, que dependen de las

capacidades tecnológicas de cada país. Además, las capacidades de innovación de los

países dependen crucialmente de factores como la calidad de la infraestructura para la

innovación, la inversión en investigación y desarrollo (I+D) tanto del sector público como

del privado, el capital humano, la definición de un marco legal que permita la protección

de la propiedad intelectual, la apertura al comercio internacional y la calidad de las

conexiones entre infraestructura y grupos industriales (Furman, Porter y Stern, 2002).

Dada la importancia de la innovación para las oportunidades de desarrollo de las naciones,

¿por qué razón no todos los países apuestan decididamente por la innovación? Y, si la

innovación es una apuesta segura por el desarrollo, ¿por qué los países más ricos no

realizan mayores esfuerzos de cooperación internacional para potenciar las capacidades de

innovación de las naciones más atrasadas?

1 Véase en el Anexo 1 la lista de países en desarrollo de acuerdo con la clasificación del CAD. 2 Según la UNCTAD (2007) el conocimiento se forma gradualmente en el tiempo (mediante la repetición y la interacción recurrente), está presente en sistemas de prácticas y rutinas continuas y es producto de las condiciones sociales y culturales, económicas y políticas.

Introducción


Según la Conferencia de las Naciones Unidas sobre Comercio y Desarrollo (UNCTAD,

2007), la generación de avance tecnológico no debe considerarse como algo distinto a la

reducción de la pobreza. El logro del crecimiento a favor de las personas pobres depende

de las opciones tecnológicas y las trayectorias de desarrollo tecnológico que sigue cada

país. Asimismo, la desigualdad internacional existente en términos de capacidades de

innovación constituye un problema de tipo institucional, que se manifiesta en la

insuficiente inversión pública (tanto nacional como internacional) en I+D, lo que genera

fallos en los sistemas de aprendizaje que requieren nuevos mecanismos de intervención

pública para resolverlos (Cantwell, 1999).

Así, la relevancia de la ciencia y la tecnología para el proceso de desarrollo humano y para

las políticas de cooperación internacional para el desarrollo fue enfatizada en 2005, en la

Cumbre del Milenio+5 de Naciones Unidas (NNUU), donde se resaltó su importancia para

la consecución de los Objetivos de Desarrollo del Milenio (ODM). Dicha importancia no

reside sólo en el hecho de que la ciencia y la tecnología son “objetivos transversales” de la

estrategia ODM (puesto que es preciso atraer, utilizar y aplicar tecnologías ya existentes al

servicio del desarrollo humano), sino también porque es preciso generar nuevos

conocimientos para solucionar los problemas específicos que afligen al mundo en

desarrollo (Sachs, 2005). Para lograr estos objetivos se requiere tanto ampliar la

financiación (nacional e internacional) en ciencia y tecnología, como mejorar las políticas

y las instituciones responsables del desarrollo científico-tecnológico.

En este contexto de notables disparidades en las capacidades de desarrollo de las

economías, se justifica la existencia de políticas de cooperación internacional para el

desarrollo que traten de cerrar las brechas de innovación y conocimiento existentes en la

sociedad mundial. Así, los países de la OCDE crearon en 1960 el Comité de Ayuda al

Desarrollo (CAD), para poder articular políticas públicas de solidaridad internacional, que

constituyen el denominado sistema de Ayuda Oficial al Desarrollo (AOD). Entre estos

recursos se encuentran las ayudas de carácter científico-tecnológico, que tratan de

potenciar el desarrollo de las capacidades de innovación de los PED, bajo la creencia de

que una mejorada capacidad innovadora redundará en estimular sus ritmos de progreso. Si

bien existe un nutrido cuerpo de estudios empíricos que han analizado la eficacia

macroeconómica de la AOD agregada en promover el crecimiento económico de los PED



(Burnside y Dollar, 2000 y 2004; Hansen y Tarp, 2001; Dalgaard et al. 2004 y Tezanos et

al, 2009), no se ha analizado todavía el papel que desempeña la modalidad concreta de la

ayuda científico-tecnológica –precisamente, la modalidad de ayuda que contribuye a

expandir la principal fuente del progreso económico: la innovación.

Objetivos de la investigación

La presente Tesis Doctoral pretende analizar el impacto macroeconómico que la

innovación y la Ayuda Oficial al Desarrollo científico-tecnológica (AOD-CT) ejercen

sobre el ritmo de crecimiento económico de los PED. Para ello, se analiza un amplio panel

de datos, para el periodo 1993-2008, que incluye a los 162 países de ingreso bajo y medio

(los denominados PED) que han recibido AOD en alguno de los años del periodo

considerado. Para el análisis de regresión se ha utilizado el sistema de estimación GMM

sugerido por Arellano y Bover (1995) y Blundell y Bond (1998). Se han realizado los

contrastes de hipótesis de Sargan y Hansen de restricciones sobre-identificadas, y el test de

Arellano-Bond de autocorrelación del término de error ideosincrático para comprobar que

este tipo de análisis es el apropiado.

En concreto, la presente Tesis Doctoral trata de contrastar dos hipótesis centrales:

- H1: la innovación constituye un determinante fundamental del crecimiento

económico de los PED.

- H2: la AOD-CT contribuye eficazmente a estimular el ritmo de crecimiento

económico de los PED.

Estructura de la investigación

La Tesis Doctoral se estructura de la siguiente manera:

El capítulo 1 hace una revisión de las principales teorías económicas que contemplan la

innovación como determinante fundamental del crecimiento de los países. Para tal fin se

dividen los modelos en dos grupo: los modelos de crecimiento exógeno y los modelos de

crecimiento endógeno. Del primer grupo, se destacan principalmente, los modelos pioneros

Introducción


de Solow (1956 y 1957) y Swan (1956). Del segundo, se abordan los modelos de

crecimiento endógeno, distinguiéndose dos categorías principales: los “modelos

horizontales” que consideran que el progreso técnico se materializa en un aumento de la

variedad de los inputs utilizados (Romer, 1986; Grossman, y Helpman, 1991; Barro y Sala-

i-Martín, 2003); y los “modelos de escaleras de calidad” o “verticales” que consideran que

el progreso tecnológico se presenta en forma de una mejora paulatina en la calidad de los

bienes existentes dentro de una industria ya establecida y donde las empresas compiten

entre sí involucradas en un proceso de creación destructiva, donde los nuevos

descubrimientos dejan obsoletos y desplazan a los antiguos (Aghion y Howitt, 1998;

Grossman y Helpman, 1991 y Barro y Sala-i-Martín, 2003). En este capítulo se revisan

también los principales ejercicios empíricos que han estimado la aportación de la

innovación al crecimiento económico.

En el capítulo 2 se caracterizan y analizan las políticas internacionales de cooperación

científico-tecnológica (cooperación CT) para el desarrollo. Para ello se describe el

panorama de la innovación en los PED, atendiendo a los disímiles grados de desarrollo de

sus Sistemas Nacionales de Innovación (SNI) y de sus capacidades tecnológicas. También

se caracterizan las políticas de cooperación CT para el desarrollo internacional,

identificándose sus principales objetivos, actores y sectores de destino. Y, finalmente, se

analizan estadísticamente los recursos de AOD-CT que financian los países donantes del

CAD y los organismos multilaterales de desarrollo.

En el capítulo 3 se revisa brevemente el debate académico sobre la eficacia

macroeconómica de la ayuda internacional y se especifica un modelo que permite analizar

los mecanismos potenciales de impacto de la innovación y la ayuda sobre el crecimiento,

distinguiendo dos modalidades de ayuda: los recursos destinados al desarrollo de las

capacidades de innovación (ayuda científico-tecnológica) y el resto de la ayuda. En

concreto, el objetivo es evaluar el impacto macroeconómico de la ayuda científico-

tecnológica, y no tanto estimar un modelo de crecimiento económico o un modelo del

impacto de la ayuda agregada (sin distinción de modalidades). Para captar cabalmente la

relación ayuda-crecimiento es preciso integrarla en el marco más amplio de la dinámica de

crecimiento e incorporar las principales fuerzas (y limitantes) de la dinámica de progreso

(especialmente la innovación que es, en última instancia, la capacidad a cuya expansión



pretende contribuir la ayuda científico-tecnológica). De modo contrario, las estimaciones

se verían sesgadas por la omisión de variables relevantes y por la insuficiente capacidad

explicativa del modelo. Para tal fin, se propone primero un modelo analítico del impacto

de la AOD-CT sobre el crecimiento económico, adaptado a las particularidades de este tipo

de ayudas y basado en la nueva teoría de crecimiento. El modelo compara los impactos

potencialmente distintos de dos modalidades de ayuda: la AOD-CT y el resto de las ayudas

no destinadas a ciencia y tecnología. Asimismo en este capítulo se explica el

procedimiento de estimación mediante un modelo de regresión dinámico con datos en

panel, se detallan las variables utilizadas para estimar el modelo, la población objeto de

estudio y la estructura temporal del panel datos.

El capitulo 4 presenta los principales resultados obtenidos de la estimación del modelo de

impacto de la AOD-CT sobre el ritmo de crecimiento de los PED, y verifica la robustez de

las estimaciones.

Finalmente, en el capítulo 5 se realiza un balance de las principales conclusiones obtenidas

en los distintos capítulos de esta Tesis Doctoral.

INTRODUCTION

Innovation – according to the Oslo Manual OECD (2005) – is the implementation of a product

(or service) or a new process which demands a high degree of improvement, or an

organizational or marketing method applied to new business practices in the workplace or

external relations. Historically, the most innovative societies and individuals have progressed

faster in the path of development. It is no wonder then that economic science has been

concerned from the beginning with analysing the contribution of innovation to economic

growth. Thus, classical economists like Adam Smith and David Ricardo have addressed and

reviewed the progress of nations, while bearing in mind the fundamental role played by

technological progress and knowledge.

The analysis of innovation has been enriched throughout the twentieth century by the

development of new approaches to economic analysis. The Austrian economist Joseph

Schumpeter argues that innovation drives economic development through a dynamic process

by which new technologies replace old ones, thus forming a process of ‘creative destruction’.

Schumpeter (1934) also identifies two main types of innovation: ‘radical innovations’, causing

a complete change; and ‘incremental innovations’, which represent an advance. Schumpeter's

seminal work erected the theoretical foundations for the later emergence of the evolutionary

school that focuses its analysis on the study of innovation and its role in the behaviour of the

economy (Nelson and Winter, 1982).

It is necessary to clearly define the concept of innovation in order to distinguish it from the

related concept of ‘imitation’. Imitation, –according to the Spanish Royal Academy–, is

“creating something like an example or something else”. This distinction is particularly

Impact of innovation and aid for science and technology in developing countries

28

important in international development. According to the Organization for Economic

Cooperation and Development (OECD, 2005) the innovation capacity of developing

countries1 (DCs) is at its height when are first introduced the products and processes that are

new to these countries, although this may not be for the rest of the world. Thus, ‘technological

imitations’ are considered part of the innovation process, so that for some authors the rate of

economic growth of a country is affected by its ability to cope with technological leaps created

through innovation and/or imitation (Fagerberg and Verspagen, 2002).

Innovation consists not only of technological means (such as machinery) and information

technology (such as instructions for operating the machinery), but also of ‘know how’ in

understanding the technology. This knowledge is tacit and is based on the learning that is

obtained through training, experience and observation2. Thus, the assimilation and absorption

of foreign technology is particularly important. Technology, therefore, consists not only of

physical resources, but also of intangible resources such as information, comprehension and

learning, which depend on the technological capabilities of each country. Moreover, the

capabilities for innovation of countries crucially depend on factors such as the quality of

infrastructure for innovation, investment in research and development (R&D) of both public

and private human capital, the definition of a legal framework that allows for intellectual

property protection, openness to international trade and the quality of the connection between

infrastructure and industrial groups (Furman, Porter and Stern, 2002).

Given the importance of innovation for the development opportunities of nations, why are all

countries not firmly committed to innovation? Also, if innovation is a safe bet for

development, why can the richest countries not make greater efforts at international

cooperation to enhance the capabilities of innovation in backward nations?

1 See Annex 1 for list of countries according to the classification of DAC. 2 According to UNCTAD (2007) knowledge that is gradually accumulated over time (through repetition and

recurring interaction), is present in systems of practices and continuous routines and is the product of social

cultural, economic and political conditions.

Introduction

29

According to the United Nations Conference on Trade and Development (UNCTAD, 2007),

the generation of technological advancement should not be considered unless it involves the

reduction of poverty. The pursuit of growth for the poor depends on the technological options

and trajectories of technological development that affect each country. Furthermore, existing

international inequality is an institutional problem in terms of capabilities for innovation,

manifested in the inadequacy of public investment (both domestic and international) and

R&D, generating system failures that will require new learning mechanisms if public

intervention is to solve them (Cantwell, 1999).

The relevance of science and technology to the processes of human development and policies

of international cooperation in development was emphasized in 2005 at the United Nations

(UN), Millennium Summit +5, where the importance of achieving the Millennium

Development Goals (MDGs) was particularly stressed. Thus, science and technology can be

seen as the ‘horizontal objectives’ of the MDG strategy, since it is necessary to attract, use and

apply existing technologies in the service of human development and because of the

importance of generating new knowledge to solve the specific problems that afflict the

developing world (Sachs, 2005). To achieve these goals requires both the expansion of

national and international funding for science and technology, and improvements in the

policies and institutions responsible for scientific and technological development.

In this context, the existence of significant disparities in the capacities of developing

economies can be seen to justify policies for international development and cooperation. The

purpose of these policies is to try to bridge gaps in existing knowledge innovation across the

world. Thus, in 1960, the OECD countries created the Development Assistance Committee

(DAC) to articulate public policy for international solidarity, through the use of a system

called Official Development Assistance (ODA). These resources include aid for scientific-

technological research, which is necessary in order to foster the development of capabilities

for innovation in developing countries, in the belief that an improved ability to innovate will

stimulate the pace of their progress. While many empirical studies have analyzed the

macroeconomic effectiveness of ODA in promoting aggregate economic growth in developing

countries (Burnside and Dollar, 2000 and 2004, Hansen and Tarp, 2001, Dalgaard et al. 2004


30

and Tezanos et al, 2009), much work still needs to be done in analysing the role of a particular

form of scientific and technological support, precisely the type of aid that helps expand the

main source of economic progress: innovation.

Research Objectives

This thesis analyzes the macroeconomic impact that innovation and Official Development

Assistance (ODA-CT) can have on the economic growth of developing countries. We have

analysed data from the period 1993-2008, gathered from 162 countries with low and middle

incomes (so-called developing countries) which have received ODA in any one year during

this period. We have used the system of GMM estimation suggested by Arellano and Bover

(1995) and Blundell and Bond (1998).

More specifically, the purpose of this doctoral thesis is to contrast two central hypotheses:

H1: Innovation is a key determinant of economic growth in developing countries.

H2: ODA-CT contributes effectively to stimulating economic growth in developing countries.

Structure of the research

The Doctoral Thesis is structured as follows:

Chapter 1 consists of a review of the major economic theories that include innovation as a

determinant of the growth of countries. To this end, models are divided into two groups:

exogenous growth models and endogenous growth models. The first group includes the

pioneering models of Solow (1956 and 1957) and Sawn (1956). The second is made up of the

‘horizontal’ models which focus on the idea of technological progress as embodied in an

increased variety of inputs (Romer, 1986, Grossman and Helpman, 1991, Barro and Sala-i-

Martin, 2003) and ‘quality ladder’ or ‘vertical’ models, which are constructed on the

assumption of the existence of established technological progress, in the form of a gradual

improvement in the quality of existing assets within an industry. These models also investigate

Introduction

31

situations in which competing companies are involved in a process of creative destruction,

whereby new methods are being adopted to replace obsolete ones (Aghion and Howitt, 1998,

Grossman and Helpman, 1991 and Barro and Sala-i-Martin, 2003). This chapter also reviews

the main empirical exercises which are necessary to estimate the contribution of innovation to

economic growth.

In Chapter 2 various forms of international political scientific and technological cooperation

(cooperation CT) for development are characterized and analyzed. We describe the innovation

landscape in developing countries, taking into account the dissimilar levels of development of

National Innovation Systems (NIS) with regard to the technological capabilities of different

countries. Some focus has also been placed on how CT cooperation policies for international

development operate, and their main objectives, target groups and sectors are identified.

Finally, we analyse statistically the resources that finance ODA-CT DAC donor countries and

multilateral development agencies.

Chapter 3 briefly reviews the academic debate on the macroeconomic effectiveness of

international aid and proposes a model to analyse the potential mechanisms of impact of

innovation and aid on growth, distinguishing between resources for the development of

innovation capabilities (scientific and technological assistance) and other forms of aid. The

objective is to evaluate the macroeconomic impact of scientific and technological assistance,

rather than estimating a growth model or a model of the impact of aggregate aid (regardless of

modalities). To fully grasp the potential of such a process, the effect of the aid-growth needs to

be integrated into the broader context of growth dynamics. This involves a thorough

consideration of the effects of the dynamics and limitations of progress, especially innovation,

with regard to the extent to which expansion aims to contribute scientific and technological

support. Given that estimations of the effects of this may be biased by the omission of relevant

variables and the insufficient explanatory power of the models, we propose the creation of an

analytical model of the impact of ODA-CT on economic growth, adapted to the particularities

of this type of aid and based on the new growth theory. The model will compare the

potentially different impacts of two types of aid: ODA-CT and other aid not intended for the

development of science and technology. This chapter also includes an explanation of the


32

estimation procedure through the use of a dynamic regression model based on panel data,

detailing the variables used to estimate the model, the population studied and the temporal

structure of the panel data itself.

Chapter 4 presents the main findings of the model, estimating of the impact of ODA-CT on

the pace of growth in developing countries, and verifies the robustness of the estimates.

Finally, in Chapter 5, stock is taken of the main findings of various chapters of this thesis.


CAPÍTULO 1

INNOVACIÓN Y CRECIMIENTO: ESTUDIOS

TEÓRICOS Y EMPÍRICOS

1.1. Introducción

1.2. Innovación en los modelos de crecimiento exógeno

1.3. Innovación en los modelo de crecimiento endógeno

1.3.1. Innovación por aumento de la variedad

1.3.2. Innovación por aumento de la cantidad

1.4. Estudios empíricos sobre innovación y crecimiento

1.4.1. Estudio del impacto directo de la innovación sobre el crecimiento

1.4.2. Estudios del impacto de la innovación sobre el crecimiento a través del

incremento de la productividad

1.4.3. Estudios de convergencia mediante la difusión internacional de tecnología

1.5. Conclusiones parciales



1.1. Introducción

Históricamente, las sociedades -y las personas- más innovadoras han progresado más

rápido en la senda del desarrollo. No es de extrañar entonces que la Ciencia Económica se

haya preocupado desde sus orígenes por analizar la contribución de la innovación al

crecimiento económico. Así, economistas clásicos como Adam Smith y David Ricardo

abordaron ya el análisis del progreso de las naciones sin olvidar el papel fundamental que

desempeñan el avance tecnológico y el conocimiento. Asimismo, los economistas de

principios del siglo XX como Frank Ramsey y Joseph Schumpeter centraron su atención

en dilucidar cuáles son los determinantes del crecimiento económico y del progreso

tecnológico.

En el marco de la literatura económica sobre el crecimiento, la innovación ha recibido una

atención destacada, habiendo evolucionado notablemente su concepción en las cinco

últimas décadas, pasando de considerarse exógena a considerarse endógena; los

rendimientos de escala del capital han pasado de asumirse decrecientes a considerarse

constantes o crecientes; del papel protagónico del capital físico para el crecimiento se ha

pasado al protagonismo del capital humano; y de creerse secundario el papel de las

políticas económicas para el crecimiento se ha pasado a defender la relevancia de estas

políticas para incentivar el conocimiento, la investigación, el desarrollo y la innovación, y

alcanzar así una senda sostenida de crecimiento.

El estudio de la relación entre innovación y crecimiento recibe un impulso fundamental

con los estudios de Robert Solow (1956 y 1957), en los que aseguró que el crecimiento

económico a largo plazo motivado por la acumulación de capital era insostenible debido a

la existencia de rendimientos decrecientes en este factor. Es por ello que identifica la

existencia de un “factor tecnológico exógeno” como motor último del crecimiento a largo

plazo. No obstante, la teoría neoclásica con progreso técnico exógeno fue retada, a finales

de los años 80, por los nuevos modelos de “crecimiento endógeno”. Estos defienden la

posibilidad de implementar políticas de intervención en el corto y medio plazo para

impulsar la productividad de la economía y el progreso tecnológico, al tiempo que resaltan

la importancia de otros factores estructurales (como el marco institucional, las

desigualdades, la estructura del mercado, las interdependencias, la educación, los efectos a

Capítulo 1. Innovación y crecimiento: estudios teóricos y empíricos


escala y las preferencias temporales, entre otros). En este contexto, los modelos de Romer

(1986 y 1990), Lucas (1988) y Aghion y Howitt (1998) relajan el supuesto de rendimientos

decrecientes del capital y consideran que el progreso técnico es endógeno y que la

acumulación de capital físico y, especialmente, del capital humano generan rendimientos

constantes, o incluso crecientes, a escala. Como consecuencia, estos autores defendieron

que el crecimiento a largo plazo está explicado por factores endógenos y que las políticas

económicas son cruciales para el crecimiento.

En palabras de Paul Romer (1990, pág. 72):

[…] El cambio tecnológico –una mejora de las instrucciones para la combinación de

las materias primas- se encuentra en la base del crecimiento económico. El cambio

tecnológico aporta el incentivo necesario para la acumulación continua del capital, y la

acumulación del capital y el cambio tecnológico en su conjunto son responsables de

gran parte del incremento del producto por hora trabajada.

En suma, tanto los modelos de crecimiento endógeno como los de crecimiento exógeno

defienden la importancia del progreso tecnológico en la mejora de la productividad y el

crecimiento, si bien asumen enfoques teóricos muy distintos para explicar la dinámica del

crecimiento.

El presente capítulo no pretende ofrecer una revisión exhaustiva de la prolífica literatura

sobre los modelos de crecimiento exógeno y endógeno1, sino revisar la concepción

económica de la innovación como determinante del crecimiento. Para ello se explican, en

el segundo epígrafe, los modelos de crecimiento exógeno y, particularmente, el modelo

pionero de Solow (1956 y 1957) y Swan (1956). En el tercer epígrafe se abordan los

modelos de crecimiento endógeno, distinguiéndose dos grupos principales: los modelos

que consideran que el progreso técnico se materializa en un amento de la variedad de

inputs utilizados (Romer, 1990; Grossman y Helpman, 1991; Barro y Sala-i-Martín, 2003)

y los “modelos de escaleras de calidad” que consideran que el progreso tecnológico se

presenta en forma de una mejora paulatina en la calidad de los bienes existentes dentro de

1 Véanse los manuales Barro y Sala-i-Martín (2003) y Acemoglu (2008) para una revisión extensa de la literatura sobre el crecimiento económico.



una industria ya establecida y las empresas compiten entre sí involucradas en un proceso

de creación destructiva, donde los nuevos descubrimientos dejan obsoletos y desplazan a

los antiguos (Aghion y Howitt, 1998; Grossman y Helpman, 1991 y Barro y Sala-i-Martín,

2003). En el cuarto epígrafe se revisan los principales ejercicios empíricos que han

estimado la aportación de la innovación al crecimiento económico. Finalmente, el capítulo

concluye con un balance de los principales resultados. El Anexo 2 resume las principales

contribuciones teóricas a esta literatura y el Anexo 3 resume los principales resultados de

algunos de las estimaciones más destacadas.

1.2. Innovación en los modelos de crecimiento exógeno

Los estudios desarrollados por los economistas neoclásicos en los años 50 y 60 del siglo

XX (Solow, 1956 y 1957; Swan, 1956; Cass, 1965 y Koopmans, 1965) reconocían la

importancia del progreso tecnológico como fuente de crecimiento2. Los modelos asumen la

existencia de rendimientos marginales decrecientes en los factores productivos –recursos

humanos y bienes de equipo-, lo que implica que participaciones crecientes de inversión en

el producto no influyen en el incremento sostenido de la productividad y la renta, que son

finalmente influidos “exógenamente” por el cambio tecnológico (el denominado “residuo

de Solow”). De esta forma, el stock de capital crece linealmente con el PIB y la relación

capital/producto tiende a ser constante a lo largo plazo (Kaldor, 1961)3. El supuesto de

existencia de rendimientos decrecientes o constante a escala permite a estos modelos

concluir que las economías, a pesar de sus distintos niveles de capital físico, convergen

hacia niveles equivalentes de renta per capita en el estado estacionario. 2 Véase Anexo 2 para un esquema resumen de las principales aportaciones teóricas al estudio del crecimiento económico con innovación tecnológica. 3 Kaldor (1961) enunció seis hechos estilizados básicos que toda teoría del crecimiento debería tratar de explicar: 1. El PIB en términos reales y la productividad del trabajo han crecido a una tasa aproximadamente constante en las economías occidentales. 2. La relación capital por trabajador ha crecido igualmente a una tasa aproximadamente constante. 3. La tasa de beneficio del capital ha permanecido sin tendencia definida a largo plazo. 4. La relación capital-producto ha permanecido estable en largos periodos de tiempo. 5. La participación de las rentas del trabajo (salarios) y del capital (beneficios) en la producción total también han permanecido sin una tendencia definida 3 6. Existen importantes diferencias en la tasa de crecimiento del producto y la productividad entre los diferentes países.



En concreto, el denominado modelo de crecimiento Solow-Swan (Solow, 1956 y Swan,

1956) parte de la siguiente definición de la identidad nacional:

t t t t tY C I G XN= + + + [1]

donde Yt es el PIB de un país en el año t, que se destina a financiar cuatro actividades

distintas: consumo privado (Ct), inversión (It), gasto público (Gt) y exportaciones netas

(XNt).

Según el modelo Solow-Swan, la inversión es el motor fundamental del crecimiento

económico a largo plazo. Para poder observar el papel que desempeña, conviene aislarla de

los demás aspectos de la economía. De esta manera el modelo supone una economía

cerrada ( 0tXN = ) y la no existencia de gasto público ( )0tG = . Consiguientemente la

ecuación [1] se reduce a:

ttt ICY += [2]

donde el producto nacional en una economía cerrada se distribuye entre consumidores e

inversores. Así, el ahorro (St) (la producción o renta que no se consume) es igual a la

inversión: tttt ISCY ==− . Por lo tanto, en una economía cerrada sin gasto público, el

ahorro de las familias es igual a la inversión, que a su vez es igual a la demanda de las

empresas.

La producción de una economía (Yt) se obtiene con la combinación de tres inputs o

factores productivos fundamentales: trabajo (asumiéndose que todos los trabajadores son

idénticos, por lo que la suma de todos ellos se denota como Lt), capital (Kt) y tecnología o

eficacia del trabajo (At). La expresión general de la función de producción combina estos

tres factores productivos:

),( tttt ALKFY = [3]

A dicha función de producción se añaden los tres siguientes supuestos básicos:



1. Existencia de rendimientos constantes a escala en K y L.

2. Existencia de rendimientos marginales decrecientes en K y L.

3. La productividad marginal del capital (o del trabajo) tiende a infinito cuando la

cantidad de capital (o el trabajo) tiende a 0, y el producto marginal del capital

tiende a 0 cuando la cantidad de capital (o el trabajo) tiende a infinito (las

denominadas “condiciones de Inada”).

Concretamente, la función Cobb-Douglas satisface las condiciones de la función

neoclásica de producción:

αα −= 1)( tttt LAKY ; (0< α < 1) [4]

donde α es la participación del capital en la producción, (1- α) es la participación del

trabajo, y A es el nivel de la tecnología, que recoge tanto el avance tecnológico como las

características del entorno económico que favorecen su generación (instituciones,

estructura del mercado, nivel educativo, etc.). La existencia de rendimientos marginales

decrecientes en K y L determina que participaciones crecientes de inversión no influyan en

un incremento sostenido de la productividad y el crecimiento del producto, que son

finalmente influidos por el cambio tecnológico (el denominado “residuo de Solow”). De

esta forma, el mecanismo de transmisión del crecimiento es necesariamente exógeno y, por

lo tanto, depende de las características estructurales de la economía, que son los

determinantes finales de nivel del ingreso per capita en el estado estacionario.

El modelo Solow-Swan permite analizar cómo varían las cantidades de trabajo, capital y

tecnología a lo largo del tiempo4. Para simplificar el modelo se supone que las dotaciones

iniciales de los tres inputs están dadas, y que el trabajo y la tecnología crecen a tasas

constantes, n y g, respectivamente:

( ) ( )L L t nL tt

∂= =

∂

[5]

( ) ( )A A t gA tt

∂= =

∂

4 Los puntos sobre las variables indican la derivada de dicha variable con respecto del tiempo.



La función de producción neoclásica [2] se puede reescribir entonces como:

ttttt ICALKF +=),( [6]

Es decir, el producto final de la economía se distribuye entre consumo e inversión. La

proporción de producto destinado a esta última es una tasa s, que es exógena y constante.

El consumo es el resto (1-s). Por tanto el consumo es igual a:

[ ](1 ) ; siendo 0,1t tC s Y s= − ∈ [7]

Sustituyendo [7] en [6], obtenemos:

tt IsY = [8]

A las empresas invierten, bien para aumentar el stock de maquinaria disponible para la

producción futura (inversión neta), o bien para reemplazar las máquinas que se deterioran

en el proceso productivo (depreciación). Si se denota el aumento neto de capital como

dtdKK ≡ , se obtiene:

ttt DKI += [9]

Donde Dt es la depreciación. Suponiendo que en cada periodo una fracción constante de las

máquinas se deteriora a una tasa δ, entonces:

ttttt KALKsFK δ−= ),( [10]

Si se conocieran los valores de K, L y A en el momento t, dado que s y δ son constantes

conocidas, la ecuación [10] indica cuál es el aumento del stock de capital durante el

siguiente periodo. El aumento en la cantidad de capital, a su vez, genera el crecimiento de

la producción.



Como se dijo anteriormente, LL / y AA / se denotan, respectivamente, como n y g (tasas

de crecimiento del trabajo y la tecnología, respectivamente). A su vez, dividiendo K entre

AL se obtiene la tasa de crecimiento del capital por unidad de trabajo efectivo:

kksfALK

δ−= )(

[11]

La variación de k en el tiempo se obtiene derivando en la ecuación ALKk = :

2 ( )( )

Kk KLA KLA KLA K L K A K KAL n g kt t AL AL L AL A AL AL

∂ ∂ − − = = = − − = − +∂ ∂

[12]

Sustituyendo la ecuación [11] en la ecuación [12] se obtiene:

kgnksfk )()( ++−= δ [13]

Esta ecuación fundamental del modelo de Solow-Swan establece que la tasa de variación

del stock de capital por unidad de trabajo efectivo es la diferencia entre dos términos: la

inversión realizada por unidad de trabajo efectivo, )(ksf , y la inversión de reposición,

kgn )( ++δ (es decir, la inversión la necesaria para mantener k constante) (Gráfico 1.1).



Gráfico 1.1. Modelo de Solow-Swan con progreso tecnológico

Fuente: Solow (1956)

En el largo plazo, ko converge a k*. La tasa de crecimiento de k se asume igual a n+g.

Como el capital y el trabajo crecen a una tasa n+g, la hipótesis de rendimientos constantes

implica que la producción, Y, aumenta a esa misma tasa. Consiguientemente, el capital por

trabajador, K/L, y la producción por trabajador, Y/L, crecen a la tasa g.

Por lo tanto, el modelo asume que el progreso tecnológico es la fuente del crecimiento de

la renta per capita. De hecho, si se mantiene constante el incremento demográfico, el

progreso tecnológico es la única fuente de crecimiento económico. Esto se debe a que, por

un lado, el progreso tecnológico aumenta la productividad (tasa de crecimiento de la

eficiencia técnica) y, por otro, los rendimientos del capital estimulan el flujo de

producción.

En suma, el modelo neoclásico de Solow-Swan ubica a la innovación en el centro de su

explicación del crecimiento económico. Sin embargo, según Vázquez Barquero (2005) ese

modelo presenta dos debilidades fundamentales: la primera es de carácter técnico, ya que

el modelo no explica cómo se producen las innovaciones, cuál es su origen, y cómo se

introducen en el sistema productivo, sino que acepta que el progreso tecnológico es

exógeno y está a la disposición de todas las empresas. Esta limitación es importante, ya



que las innovaciones son el elemento explicativo principal de la argumentación. La

segunda limitación del modelo es de carácter empírico, y afecta a la interpretación

neoclásica, ya que la predicción de que los países pobres crecerán a tasas superiores a la de

los países ricos —motivando, por tanto, un proceso de convergencia absoluta en los niveles

de renta per capita de los países— no ha superado la contrastación empírica. Más bien al

contrario, los estudios empíricos –como se explicará más adelante– han revelado que la

existencia de rendimientos crecientes del capital neutraliza dicha tendencia.

1.3. Innovación en los modelos de crecimiento endógeno

La literatura de crecimiento económico recibió un impulso formidable en las décadas de

1980 y 1990 con el desarrollo de nuevos modelos en los que el progreso técnico no se

concibe como una variable exógena, sino que depende de la tasa de inversión de los

empresarios en actividades de “investigación y desarrollo” (I+D). Estos modelos de

crecimiento “endógeno” defienden la posibilidad de implementar políticas de intervención

en el corto y medio plazo para impulsar la productividad de la economía y el progreso

tecnológico, aunque también resaltan la importancia de otros factores estructurales (como

el marco institucional, las desigualdades, la estructura del mercado, las interdependencias,

el nivel educativo, los efectos a escala y las preferencias temporales de los agentes

económicos).

Es posible identificar dos grupos dentro de los modelos de crecimiento endógenos: i) los

modelos que consideran que el progreso tecnológico se materializa en forma de un

incremento de la variedad de los inputs, lo que aumenta la especialización productiva y,

por lo tanto, la productividad y la renta per capita (Romer, 1990; Grossman y Helpman,

1991; Barro y Sala-i-Martin, 2003); y ii) los modelos que conciben la innovación como un

proceso que sirve para mejorar la productividad de los bienes intermedios existentes

mediante el aumento de la calidad, lo que permite aumentar la productividad general de la

economía y, por tanto, la renta per capita (Grossman y Helpman, 1991 ; Aghion y Howitt,

1998).



1.3.1. Innovación por aumento de la variedad

La denominada “innovación horizontal” es aquella en la que se descubren nuevas

variedades de inputs. Esto hace que se produzcan más bienes finales y más especializados,

lo que hace que aumente la productividad. Por lo tanto el factor más importante de este

modelo es la inversión en I+D.

El modelo “canónico” de Romer (1990) ofrece una aplicación general de este tipo de

trabajos. En él, se asume que las empresas de bienes intermedios invierten en I+D para

obtener una mayor variedad de productos. Para simplificar, el modelo considera que

existen tres tipos de agentes: el sector productor de los bienes finales, el sector de las

empresas innovadoras que producen inputs, y los consumidores (véase Recuadro 1.1).

De acuerdo con este enfoque, el progreso tecnológico surge de la aparición de nuevos tipos

de bienes intermedios que requieren de inversión en I+D y que se intercambian en el

mercado. La inversión en I+D dependerá de la productividad de los científicos y de la

elasticidad de la demanda de los inputs. Un aspecto relevante de este modelo es el uso de

patentes como incentivo para la generación de innovación.

A diferencia de su anterior trabajo (Romer, 1986), el modelo de Romer (1990) predice que

el aumento del número de inputs es el resultado de una actividad específica y remunerada:

la I+D. La innovación tecnológica como factor de crecimiento resulta de la elección de los

agentes, ya que les proporciona un poder de monopolio que actúa como incentivo para

generar nuevos procedimientos. En palabras del propio Romer (1990, pag. 72):

[…]Estos modelos [de crecimiento endógeno] parten de tres premisas básicas: el

cambio tecnológico es el motor del crecimiento económico; el cambio tecnológico

responde a las acciones de las empresas motivadas por los incentivos del mercado, y

por último, el cambio tecnológico se materializa en la aparición de nuevos diseños

cuya tecnología implícita podrá ser utilizada nuevamente sin coste adicional.

El modelo explicado tiene “efectos de escala”, ya que el nuevo producto (cuyo coste de

invención es igual a η ) puede ser utilizado de forma no rival por el conjunto de la



economía. Cuanto mayor sea el tamaño de la economía (es decir, cuanto mayor sea la

población, L), menor será el coste de una invención por unidad de L y, consiguientemente,

mayor será el número de invenciones5.

En suma, el modelo de crecimiento endógeno propuesto por Romer permite conocer los

factores determinantes del crecimiento: el aumento de la disposición al ahorro de los

consumidores y las mejoras tecnológicas. Además, se extraen dos conclusiones relevantes

de este trabajo:

1. Existe una relación negativa entre el crecimiento del producto y el coste de la I+D

(η ).

2. Existe una relación negativa entre el poder de monopolio de las empresas creadoras

de inputs intermedios y la tasa de crecimiento de la economía.

Asimismo, el modelo entraña dos debilidades importantes:

1.- La existencia del denominado “efecto escala” (es decir, la relación directa entre la

tasa de crecimiento de la producción y la cantidad de capital humano). Este efecto

implica que la tasa de crecimiento de una economía dependa directamente del tamaño

del país, lo que, en última instancia, generaría “crecimientos explosivos”.

2.- El cambio técnico es acumulativo, de forma que los bienes intermedios “perduran”

en la economía aún después del descubrimiento de nuevos bienes. Por lo tanto, el

aspecto schumpeteriano de “destrucción creativa” no está presente en este modelo. Aún

así, la innovación resulta destructiva, por tanto que determina la caducidad de las

técnicas de producción, los procedimientos y los productos previamente producidos.

5 Además, el modelo de Romer considera la variedad de bienes intermedios como un elemento de la función de producción. En cambio, el modelo posterior de Grossman y Helpman (1991) considera que la utilidad de los consumidores depende de la variedad de bienes de consumo. Ambas producen resultados similares.



Recuadro 1 .1. P roductores finales, em presas i nnovadoras y co nsumidores en el

modelo de Romer6

- Productores del bien final

La función de producción para las empresas productoras de bienes finales es la siguiente:

1

1 , siendo 0< <1

tN

i i it ii

Y A x Lα α α−

=

=

∑

[14]

Li es el factor trabajo, xi son los inputs intermedios necesarios para producir los bienes

finales y Nt es el número total de inputs xi. El parámetro A es una medida de la

productividad. El avance tecnológico se materializa en el aumento del número de bienes

intermedios Nt (para lo que es preciso invertir en I+D), y no en el aumento de A. Por tanto,

la tasa de crecimiento es proporcional a la ratio de innovaciones.

Las empresas productoras del bien final demandarán inputs (xi) hasta que el producto

marginal de cada uno sea igual a su precio Pj. Maximizando la función de beneficios se

puede extraer la siguiente función de demanda de cada input:

)1/(1)/( αα −⋅= jiij PALX [15]

donde la elasticidad precio de la demanda para cada tipo de bien intermedio es constante e

igual a -1 / (1-α).

La producción agregada (Y) puede dedicarse a tres fines: consumo, producción de bienes

intermedios, e I+D necesaria para la invención de nuevos tipos de bienes intermedios (es

decir, para aumentar N).

- Empresas de investigación

6 Adaptado de Barro y Sala i Martín (2003) y Acemoglu (2008).



Las empresas de I+D deben afrontar dos decisiones relevantes: primero deben decidir si

financian la creación de un nuevo input (una innovación), cosa que harán si el valor de los

beneficios esperados es al menos igual a los gastos de I+D. En segundo lugar, si deciden

finalmente crear un nuevo input y tienen éxito en su invención, deben decidir el precio

óptimo por el que lo venderán a las empresas productoras de bienes finales.

Por motivos de claridad expositiva, el modelo comienza con la resolución de la segunda

decisión: según Romer el conocimiento difiere de otros bienes económicos por ser un bien

no rival (puede ser utilizado al mismo tiempo por varios individuos sin impedimento

alguno), parcialmente excluyente (los propietarios del nuevo conocimiento pueden limitar

su acceso por medio de patentes) y acumulativo. La parcialidad de la exclusión del

conocimiento responde al interés de los innovadores por obtener beneficios derivados de la

propiedad de la innovación, lo que conduce a la formación temporal de monopolios que

permiten recuperar las inversiones iniciales en I+D. Para determinar el precio al que vende

su input, la empresa maximiza el valor actual de los beneficios que obtendrá cuando

empiece a producir:

dvetV trj∫

∞−⋅−⋅=

0

)()()( υυπ

[16]

Donde )(υπ j es el flujo de beneficios en al año υ y [ ] ∫⋅−≡υ

υυt

dwwrttr )()/1),( es el tipo

de interés promedio entre los años t y υ . El tipo de interés de equilibrio es constante (r) y

el factor de descuento está dado por )( tre −− υ .

El precio de venta de la innovación j es )(υjP . Así, si se maximiza el beneficio respecto de

)(υjP sujeto a la ecuación [15]:

[ ] [ ] )1/(1

)()(/1)()( α

υυαυυπ −⋅⋅−= jjjp

PALPmáxj

[17]

El precio de equilibrio del monopolio para el input es:

1/1)( >== αυ PPj [18]



El precio es el mismo para todas las innovaciones j y el margen de beneficio es α/1 .

Sustituyendo Pj en la ecuación [15] se determina la cantidad demandada de cada

innovación j:

LAX j)1/(2)1/(1 αα α −−= [19]

Que de forma agregada se expresa como:

LNANXX j)1/(2)1/(1 αα α −−== [20]

Si se sustituye Pj y Xj de las ecuaciones [18] y [19], respectivamente, en la ecuación [17]

obtenemos el flujo de beneficios, πi:

αα αααυπ −−

−⋅= 1/21/1 1)( LAi [21]

El nivel de producción final se obtiene sustituyendo en las ecuaciones [14] y [20]:

ααα −−= 1)1/(1 NXALY

[22]

De donde se desprende la conclusión de que la producción depende del número de

variedades de inputs.

En relación con la primera decisión (invertir, o no, en I+D para crear una nueva

innovación), el modelo establece que, dado que las empresas con los medios tecnológicos

disponibles sólo pueden producir una cantidad determinada de inputs, para aumentar N

(cantidad de inputs o innovaciones) es necesario que se produzca un avance tecnológico, lo

que requiere una inversión empresarial constante en I+D en una cantidad igual a η . Este



“sobre-coste” de las empresas hay que descontarlo del coste total de la producción, que es

igual a ν .7

Asimismo, el modelo establece dos supuestos adicionales: el coste de crear una nueva

variedad de producto depende de los bienes inventados con anterioridad ( )(Nη ), y la

función de producción depende del stock de inputs disponible por parte de las empresas, lo

que se llama “efecto desbordamiento” o spillovers (los conocimientos adquiridos en el

pasado ayudan a que la empresa desarrollen nuevas ideas para fabricar nuevos inputs). Esto

implica que una empresa invierta en I+D siempre y cuando η≥)(tV .

El sector de I+D se caracteriza por la libre entrada de empresas, por lo que, en el equilibrio,

el valor neto actual del beneficio del innovador no puede superar la cantidad de inversión

(es decir, ( )V t η> ), porque, en caso contrario, todas las empresas destinarían todos sus

recursos a I+D. Por lo tanto, en el equilibro se considera que la I+D es positiva y que la

cantidad de inputs o innovaciones (N) es creciente a lo largo del tiempo. De esta forma se

tiene que, para todo t:

η=)(tV [23]

Sustituyendo los valores óptimos de Pj y Xj obtenidos en la ecuación [16], se obtiene el

valor neto actual del beneficio del innovador en el momento t:

dveLAtV tr∫∞

−⋅−−− ⋅

−⋅=

0

)()1/(2)1/(1 1)( υαα ααα [24]

Derivando la ecuación [24] con respecto al tiempo, sustituyendo V(t) de la ecuación [23] y

teniendo en cuenta que [ ] ∫⋅−≡υ

υυt

dwwrttr )()/1),( , se obtiene que:

7 Se asumen que los inventores de los nuevos productos son también productores de los bienes intermedios que los incorporan.



)()(

)()(

tVtV

tVtr

+=

π [25]

Donde π es el flujo de beneficios de la ecuación [21]. Esta ecuación expresa que la tasa de

rendimiento de los bonos, r(t), es igual a la tasa de rendimiento de invertir en I+D

)(tV

π ,

más la tasa de ganancia o pérdida de capital asociada a un cambio del valor de la empresa

investigadora

)()(

tVtV . Puesto que η es constante, la condición de libre entrada descrita en

la ecuación [21] implica que 0)( =tV . Sustituyendo π por su valor en la ecuación [17] se

obtiene que:

)1/(2)1/(1 1)/( αα αααη −− ⋅

−⋅⋅= ALr [26]

De esta forma, la tecnología y la estructura de mercado existente determinan la tasa de

rendimiento de las empresas innovadoras.

- Consumidores

Los consumidores maximizan su utilidad eligiendo la combinación óptima entre consumo

presente y consumo futuro. La función de utilidad con preferencias normales de los

consumidores se expresa como:

dtecU pt−∞ −

⋅

−−

= ∫0

1

11

θ

θ

[27]

El modelo de Romer asume que la población no crece (n = 0) y que los consumidores

ganan un salario (w) procedente de su trabajo (L) y una tasa de rendimiento por sus activos

(r). De esta forma la restricción presupuestaria de los consumidores es:

( ) / ( )d a dt wL r a C= + −.

[28]



Donde a son los activos disponibles. Consiguientemente, la trayectoria del consumo es

igual a:

( )prCC

−⋅

=θ1

[29]

Sustituyendo la ecuación [26] en la ecuación anterior, se obtiene la tasa de crecimiento en

el equilibrio general:

−⋅

−⋅⋅⋅= −− ρα

ααηθγ αα )1/(2)1!/( 1)/()/1( AL

[30]

Esta es la tasa de crecimiento del número de inputs (o innovaciones, N), de la producción

(Y) y del consumo (C). Si 0γ < , los empresarios no tendrán incentivos para realizar I+D,

N permanecerá constante en el tiempo y la tasa de crecimiento será igual a cero. Si 0γ ≥ y

L es fijo, entonces Y es proporcional a N, con lo que ambas variables crecen a una misma

tasa constante. La dinámica de crecimiento vendrá determinada por el progreso

tecnológico, entendido éste como un amento del número de nuevos inputs (innovaciones).

1.3.2. Incremento de la calidad de producto

Los modelos de “escalera de la calidad” conciben la innovación como una mejora de la

calidad de un bien intermedio, lo que hace que los inputs nuevos y de mejor calidad

desplacen del mercado a los ya existentes. Según Schumpeter (1942), este proceso de

“destrucción creativa” explica que las empresas menos innovadoras desaparezcan del

mercado al ser sustituidas por las que fabrican productos con mejor calidad. Aunque exista

competencia imperfecta en el mercado y las empresas más innovadoras consigan

situaciones de monopolio, este escenario no es inmutable, y cambia tan pronto como otra

empresa descubre un nuevo input de mayor calidad que desplaza a la antigua empresa

líder. La tasa de progreso técnico y económico depende –como en los modelos de

innovación horizontal– de la productividad del proceso investigador (o probabilidad de

éxito) y de la elasticidad de la demanda de estos bienes intermedios.



Grossman y Helpman (1991) y Aghion y Howitt (1998) desarrollaron sendos modelos en

los cuales los productos más innovadores desplazan a los que ya están en el mercado, y en

el que los bienes más obsoletos caen en desuso cuando aparece un avance tecnológico. En

modelos como Romer (1986 y 1990) y Grossman y Helpman (1991) se asociaba el

crecimiento económico a una expansión en la gama de productos o bienes de capital

disponibles como factores de producción; sin embargo, los modelos de escalera de la

calidad definen el crecimiento como un aumento de la calidad media de los inputs,

asumiendo fija la cantidad.

El modelo de escalera de la calidad asume que el progreso tecnológico se deriva de la

investigación emprendida por agentes que buscan un beneficio; en este contexto, los

empresarios centran todos sus esfuerzos en hacer I+D sobre nuevos bienes que puedan

tener cabida en el mercado, mejorando y superando las versiones que ya están implantadas.

Para explicar este proceso, Grossman y Helpman (1991) y Aghion y Howitt (1998)

desarrollaron la noción de “escalas de calidad”, en donde los “derrames tecnológicos” o

spillovers juegan un papel fundamental, ya que cuando un innovador incorpora un nuevo

producto en el mercado, los investigadores son capaces de estudiar sus características y

centrar sus esfuerzos en mejorar ese producto.

El modelo asume una economía con tres sectores (igual que el modelo de Romer):

productores de bienes finales, empresas de I+D y consumidores (véase Recuadro 1.2). Las

empresas de I+D fabrican N variedades de bienes, como en el modelo anterior, pero en este

caso la cantidad es contante. Las empresas de I+D tienen capacidad y conocimientos

suficientes para mejorar sus bienes, con lo cual se forman escaleras de calidad y el

equilibrio en cada sector se alcanza con el producto más puntero. Existen incentivos para

que las empresas inviertan en I+D porque éstas pueden optar por crear un bien con mejor

calidad que el resto y porque existen unos derechos de monopolio (las patentes) que les

permiten vender el bien a un precio superior al de un mercado con competencia perfecta.

De esta forma el innovador más reciente “cortará” el flujo de beneficios de su predecesor;

no obstante, los monopolios creados mediante innovaciones de productos de mayor calidad

tienen una duración limitada. Evidentemente, cuanto mayor sea la duración del monopolio

mayor retribución tendrá de la inversión realizada I+D.



Los supuestos fundamentales del modelo de escalera de calidad son tres:

1. La existencia de rendimientos constantes a escala en el esfuerzo de investigación,

por lo que una empresa de investigación tiene un éxito proporcional a sus recursos

para la producción e inversamente proporcional al nivel de complejidad de la

variedad anterior.

2. Las empresas no obtienen ninguna ventaja de la acumulación de sus esfuerzos

fracasados de investigación.

3. Las empresas recién llegadas pueden intentar desarrollar productos innovadores sin

tener que empezar de “cero”, ya que desarrollaran su producto a partir de la ultima

variedad aparecida en el mercado (en concreto, aprenden todas las propiedades del

producto que hay que dominar antes de que el desarrollo de la próxima generación

pueda ser copiado).

El Gráfico 1 .2 sintetiza la lógica de los modelos de escalera de calidad. En el eje de

abscisas se representa el número de variedades de productos (N), donde cada fila

corresponde a una cadena de producción diferente y todos los productos se sustituyen

imperfectamente. En el eje de ordenadas se representan los niveles de calidad alcanzados

en cada sector, en el momento actual. Las materias primas se asumen fijas, mientras que el

número de productos varía en un intervalo N Є (1, 0). Cada producto (N) puede ser

fabricado con un número ilimitado de calidades. Cada vez que un investigador consigue un

avance tecnológico el producto salta a una generación posterior (indicado en el gráfico con

flechas discontinuas). Con el tiempo la distribución de productos se mueve hacia arriba y,

de esta manera, aumenta el bienestar de los agentes de la economía.

Finalmente, cabe alertar que este tipo de modelos –igual que los de innovación horizontal–

tienen la debilidad de incluir el “efecto escala” entre sus resultados. Según Borondo (2008)

para solucionar este problema habría que introducir en la especificación del modelo tanto

un aumento de las variedades (en las que no se mejora la productividad porque son

simplemente imitaciones que permiten mayor especialización, pero que generan también

mayor complejidad de los procesos de selección), como una reducción del tamaño de los

mercados. Por lo tanto, si el número de productos imitados aumenta con el incremento de



la población (puesto que el tamaño poblacional determina el número de potenciales

imitadores), entonces desaparece el efecto de escala.

Gráfico 1.2. Modelo básico de Escalas de Calidad

Fuente: Grossman y Helpman (1991), pág. 86.

Recuadro 1.2. Productores, empresas de investigación y consumidores en los modelos

de incremento de la calidad de producto8

- Productores del bien final

La función de producción de las empresas productoras del bien final se expresa como:

1

1( )

N

i i ijj

Y AL Xα α−

=

= ⋅∑ ; 0 1α< < [31]

donde íL es el factor trabajo, ijX representa la cantidad que se emplea del j-ésimo tipo de

bien intermedio, A es una medida de la productividad y N (el número de inputs) es fijo (en

vez de variable, como en el modelo de innovación horizontal). La calidad de cada bien está

medida por la letra q. La mejor calidad de la que se dispone en el momento t0, cuando un

8 Adaptado de Barro y Sala i Martín (2003) y Acemoglu (2008)



bien acaba de ser inventando, es q=1; para los siguientes niveles se situará en qt1 (nivel 1

en el momento t1), qt2 (nivel 2 en el momento t2), y así sucesivamente.

El modelo denota como qkj a las mejoras kj que se han producido en el sector j.9 De esta

forma, un aumento de kj revela la existencia de una innovación. Asimismo, se asume que

el coste de producción es idéntico para todos los niveles de calidad qk y que el último

productor del bien intermedio es el único proveedor. Sabiendo las escalas de calidad y la

cantidad del bien empleada por el bien i se obtiene:

Kj

ij ijX q X= [32]

Si sustituimos la ecuación [32] en la [31], la función de producción final de las empresas

productoras de bienes finales es:

1

1( )

NKj

i i ijj

Y AL q Xα α−

=

= ⋅∑ [33]

La innovación en este modelo se encuentra en la variación que hace Kj en el tiempo,

gracias a la inversión empresarial en I+D para mejorar la calidad. Finalmente, la demanda

agregada del bien j del conjunto de empresas i se expresa como:10

1/(1 )

/Kjj jX L A q P

ααα−

= ⋅ [34]

donde Pj es el precio, -1/(1-α) es la elasticidad de la demanda (que se asume constante) y L

es el factor de trabajo agregado (también constante).

- Empresas de investigación

Igual que en el modelo de Romer, se asume que las empresas de investigación afrontan

9 Las magnitudes de k son aleatorias y dependen del éxito de la I+D. 10 Las condiciones de primer orden exigen que el producto marginal sea igual al precio.



dos etapas de decisión: en la primera deciden si van a invertir en I+D y, si lo hacen,

cuántos recursos. En la segunda, si tienen éxito en su innovación, tiene que fijar el precio

del bien inventado para vendérselo a los productores del bien final.

Para calcular el precio de venta de la innovación se estima primero el flujo de beneficios:

( ) ( 1)j jKj P Xπ = − ⋅ [35]

Donde Xj es la ecuación de demanda y se asume que el coste marginal de producción es

igual a 1. El precio (Pj) es igual a 1/α, que es el margen de beneficios. De esta forma la

cantidad agregada del bien j es:

1/(1 ) 2/(1 ) (1 )Kj

jX LA qα α α αα− − −= ⋅ [36]

El modelo asume que las diferencias de Kj entre sectores son la causa de las variaciones de

Xj en el tiempo y entre sectores. Sabiendo el precio y la demanda agregada, el flujo de

beneficios (πi) resultante es:

/(1 )( ) KjKj q α απ π −= ⋅ [37]

donde 1/(1 ) 2/(1 )1A Lα ααπ αα

− −− ≡ ⋅ ⋅ [38]

Puesto que el beneficio es creciente respecto de Kj, el beneficio recibido por los

productores de nuevas calidades de producto será mayor. Esta ecuación se refiere al

periodo entre tkj (momento en el que se produce la primera mejora de la calidad) y tkj+1

(momento en el que su competidor consigue la siguiente mejora). La diferencia entre

ambos es T(Kj). El valor actual de los beneficios del inventor del nivel de calidad Kj,

calculado en el momento tkj, viene dado por:

( )( ) ( ) 1 /r T kjV Kj Kj e rπ − ⋅ = ⋅ − [39]



Donde [ ] ∫⋅−≡υ

υυt

dwwrttr )()/1),( es el tipo de interés promedio entre los años tkj y υ y

( )r T kje− ⋅ es la tasa de descuento. La ecuación anterior establece que la ganancia de la

innovación Kj-ésima depende directamente del flujo de beneficios π(Kj), de T(Kj) y de la

duración del monopolio del inventor del bien j.

Agregando todas las empresas i, se obtiene la función de producción agregada a partir de la

ecuación [33]:

1/(1 ) 2 /(1 )Y A LQα α αα− −= [40]

Como en este modelo N y L son constantes, el crecimiento de la producción depende de las

escalas de calidad, Q (donde ( )/ 1

1

iN

K

jQ q α α−

=

≡∑ ).

Para determinar el ciclo del crecimiento económico es preciso estudiar las variaciones de

Kj. El modelo asume que un investigador considerará invertir en I+D si el valor actual de

la misma es igual o superior a su coste. Además, se asume que el proceso de investigación

está sujeto a incertidumbre, que las innovaciones aparecen de forma aleatoria y que son

independientes entre sectores. La duración del monopolio dependerá de la probabilidad

p(Kj) de que un inventor descubra una calidad superior a la que existe en este momento en

el sector j, es decir superior a Kj. Esta probabilidad dependerá de las inversiones

empresariales en I+D. Consiguientemente, el valor actual de los beneficios (V(Kj) de la

ecuación [39]) es una variable aleatoria con probabilidad p(Kj).

El valor esperado viene dado por:

[ ] [ ]( ) ( ) / ( )E V Kj Kj r p Kjπ= + [41]



Lo que indica que la probabilidad de perder la posición monopolística (es decir, de que

aparezca una calidad superior a la que hay actualmente en el mercado) es igual a P(Kj), y

se combina con r para obtener la tasa efectiva de descuento r+P(Kj).

Para analizar cómo depende la probabilidad p(Kj) de las inversiones en I+D en el sector j,

se denomina Z(Kj) al flujo agregado de recursos que invierten los posibles innovadores del

sector j cuando el nivel de calidad más alto es Kj. El modelo asume además que al

aumentar Z(Kj), aumenta también la probabilidad de éxito de que aparezca una calidad

superior; y que la probabilidad de éxito depende también de la calidad que ya esté

establecida en el sector, Kj. Si la calidad es muy alta, innovar será más difícil y la

probabilidad más baja (y viceversa). La probabilidad de éxito viene dada por:

( ) ( ) ( )p Kj Z Kj Kjφ= ⋅ [42]

Donde ( )Kjφ recoge el efecto de la tecnología, Kj.

Si la empresa que invierte una cantidad en I+D, Z(Kj), tiene éxito y logra una patente, la

empresa tendrá unos beneficios futuros, que no serán seguros ya que el éxito en la

innovación se considera aleatorio. Las inversiones en I+D serán positivas (Z(Kj)>0) si el

rendimiento que esperan es al menos igual al coste.

La formulación más sencilla de ( )Kjφ es aquella en la que los éxitos son cada vez más

difíciles, ya que la calidad del producto es cada vez más alta. Es decir:

( 1) /(1 )( ) (1/ ) KjKj q α αφ ζ − + ⋅ −= ⋅ [43]

Donde 0ζ > representa el coste de la investigación. Esta ecuación implica que el coste de

I+D aumenta proporcionalmente con el coste de producción previsto. La probabilidad de

éxito entre sectores es idéntica e independientemente de la escala de calidad:

p rπζ

= − [44]



La tasa de crecimiento esperado de cada sector será la misma y la tasa de crecimiento del

conjunto de la economía acabará siendo constante. Si r es constante en el tiempo, p

también los es.

- Consumidores

Los consumidores diferencian verticalmente los productos y los consideran sustitutivos si

presentan calidades semejantes. Los consumidores maximizan la utilidad distribuyendo su

gasto uniformemente a través de las cadenas de calidad del mismo producto, y comprando

solamente el tipo de producto que lleva el precio más bajo por nivel de calidad. La

ecuación básica del crecimiento del consumo es la siguiente:

(1/ ) ( )C rC

θ ρ= ⋅ −

[45]

Siendo C el consumo agregado, r la tasa de rendimiento, ρ la tasa de preferencia temporal

y θ la elasticidad de la utilidad marginal. La restricción de recursos de la economía establece que la producción agregada (Y) es igual al consumo agregado (C), más los

recursos gastados en productos intermedios (X), más el total del gasto en I+D (Z). Es decir:

Y C X Z= + + [46]

Y, X y Z son funciones lineales de las escalas de calidad (Q). De ello se deduce que C

también es función lineal de Q. Por lo tanto, las variables crecen a una misma tasa γ :

C Z X Y QC Z X Y Q

γ= = = = =

[47]

Finalmente, sustituyendo la ecuación [44] en la expresión de la tasa de crecimiento del

consumo [45] se obtiene:

(1/ )C pC

πγ θ ρζ

= = ⋅ − −

[48]



donde p es la probabilidad de éxito de la I+D, que es endógena. Por lo tanto, la tasa de

crecimiento depende de los resultados de la inversión en I+D, que dependen a su vez del

nivel de calidad de los productos de cada sector.

1.4. Estudios empíricos sobre innovación y crecimiento

Numerosos estudios empíricos han tratado de analizar empíricamente los mecanismos

potenciales de impacto de la innovación sobre el progreso económico de los países. En

líneas generales, las contrataciones parten de modelos de crecimiento que son herederos de

los estudios pioneros de Robert Barro (Barro, 1991) sobre los “determinantes últimos” de

la tasa de crecimiento a largo plazo. Desde este enfoque, para un panel de países, se asume

que la tasa de variación del ingreso per capita, Gi,t, del país i entre los años t0 y T depende

de su nivel inicial de ingreso per capita (0,i tY ), de la innovación (

0,i tA ) y de un vector de

“otras” variables que determinan el estado estacionario, 0,i tX , según la ecuación:

0 0, , , , ,1

L

i t i i t i t l i t i tl

G y A X uα β ϕ δ=

= + + + +∑ [49]

donde αi es el efecto fijo asociado al país i. De acuerdo con esta especificación

simplificada, el parámetro β revela la existencia de convergencia condicional entre los

países (esto es, la denominada β-convergencia, siempre y cuando se satisfaga la condición

β<0). El parámetro φ indica el efecto de la innovación sobre la tasa de crecimiento a largo

plazo. Los L-parámetros δ indican los efectos de otros factores que explican el crecimiento

a largo plazo. Finalmente, ,i tu es el término residual.

A grandes rasgos, los ejercicios empíricos que han evaluado el impacto de la innovación en

el crecimiento se pueden dividir en tres grupos de estudios: i) los que evalúan directamente

el impacto de A sobre G; ii) los que analizan indirectamente cómo aumenta la

productividad y ésta, a su vez, contribuye a incrementar G; y iii) los que analizan la

convergencia entre países gracias a la difusión internacional de tecnología. El Anexo 3

ofrece una guía de algunos de los principales trabajos empíricos.



1.4.1. Estudios del impacto directo de la innovación sobre el crecimiento

Del primer grupo de estudios existe una “transitada” línea de trabajos que, siguiendo el

esquema introducido por Griliches (1973) para EEUU, tratan de precisar el efecto de las

actividades tecnológicas en el crecimiento del sistema productivo. Dicho esquema se basa

en la definición del "capital tecnológico", resultado de la acumulación, con unas

condiciones determinadas de depreciación de las actividades de I+D realizadas

anualmente, y su posterior inclusión como input adicional de la función de producción. Los

resultados de este autor señalan un efecto positivo y significativo del capital tecnológico

sobre el ritmo de crecimiento del output.

Un buen exponente de esta literatura es el ejercicio realizado por Jones (2002), que analiza

el entorno en el que las ideas circulan libremente por el mundo. De acuerdo con sus

estimaciones, el 70% del crecimiento se atribuye a un aumento en el stock de ideas

producidas por los investigadores de los países del G-5 para el periodo 1950-1993.

Fraumeni y Okubo (2005) tratan la I+D como inversión y no como gasto corriente, lo que

según estos autores permite una mejor identificación de las variables que son importantes

para un análisis de las fuentes de crecimiento y, por tanto, la determinación de la

contribución de la I+D al desarrollo. Fraumeni y Okubo analizan el impacto de la I+D

sobre el PIB y el ahorro nacional. Estiman que la contribución de la I+D a la tasa media de

crecimiento del PIB de EEUU fue de 0,38 puntos porcentuales en el periodo 1961-2000.

Para esta misma economía, Jorgenson, Ho y Stiroh (2005) analizan las fuentes del

crecimiento económico y sus resultados confirman la creciente aportación de la inversión

en Tecnologías de la Información y la Comunicación (TIC): en el período 1995-2002, la

inversión en tecnologías digitales explicó 0,64 puntos porcentuales del aumento del PIB, lo

que representa un 17,8% del crecimiento económico en el período, frente a una

participación del 15,2% en el período 1989-1995, del 11,8% en el período 1973-1989 y del

2,8% en el período 1948-1973.

El estudio reciente de Barro y Sala-i-Martín (2009) corrobora, una vez más, que la

principal fuente de crecimiento es el progreso tecnológico. Según estos autores, dado que



el capital es endógeno y reacciona ante el progreso tecnológico, se puede atribuir gran

parte del crecimiento del PIB al progreso de la tecnología. Barro y Sala-i-Martin aplican su

análisis a cuatro países de Asia Oriental: Hong Kong, Singapur, Corea del Sur y Taiwán.

Las estimaciones revelan que en Hong Kong el 59% del crecimiento del PIB puede

atribuirse al progreso tecnológico, el 49% en Singapur y el 53% en Taiwán; únicamente la

tasa de crecimiento de Corea del Sur se explica, en buena parte, por la acumulación de

factores exógenos.

1.4.2. Estudios del impacto de la innovación sobre el crecimiento a través

del incremento de la productividad

Los estudios de Jones (1995) aplicados a la economía de EEUU refutan el modelo de

Romer, ya que el número de científicos en dichos países ha aumentado con el tiempo y, sin

embargo, la tasa de crecimiento de la productividad no incrementó significativamente.

Aunque Jones (1995) afirma que este tipo de crítica no incumbe a los modelos que

suponen una relación directa entre el crecimiento de la productividad y la fracción del PIB

dedicada a la I+D, en cambio, en un estudio posterior, Jones (2002) estimó que la tasa de

crecimiento media de productividad del trabajo en EEUU entre 1950 y 1993 fue de un 2%,

que se descompone, a su vez, en un 1,4% de contribución del stock de conocimientos del

G-5 y un 0,6% de contribución del stock de conocimientos procedentes del aumento del

nivel de educación.

Gordón (2000) estudió el papel de las TIC en el incremento de la productividad de EEUU,

y constató que la aceleración de la productividad era atribuible, casi exclusivamente, al

progreso del sector TIC.

Porter y Stern (2000) estiman los parámetros de la función de producción de las ideas en

17 países de la OCDE. Sus estimaciones arrojan tres conclusiones de interés: i) la I+D

aumenta la productividad de manera proporcional al número de ideas ya descubiertas; ii) la

relación entre la productividad de las ideas de un país determinado y el stock mundial de

ideas es constante o decreciente; y iii) la relación entre las ideas producidas y la tasa de

crecimiento de la productividad global es muy baja; es decir, existe una brecha entre la



producción sostenida de las ideas por las economías avanzadas y la capacidad de traducir

las ideas en crecimiento de la productividad.

Guellec y Van Pottelsbergue (2001) analizan 16 países de la OCDE y tratan de distinguir

las contribuciones de tres tipos de inversiones en I+D: doméstica, extranjera y pública. El

análisis de regresión revela que la I+D es relevante para el progreso de la productividad y

el crecimiento económico, lo que justifica que los gobiernos financien actividades de I+D

(en particular, defienden estos autores, los gobiernos deben financiar la enseñanza superior,

porque tiene un efecto positivo y significativo en el crecimiento a largo plazo). El estudio

también revela que el efecto logrado por la I+D pública depende de la intensidad del

esfuerzo privado en I+D.

El estudio de Lederman y Maloney (2003) confirmó la existencia de una clara relación

positiva entre la inversión en I+D y el logaritmo del PIB per capita, concluyendo que la

inversión en I+D contribuye al progreso económico y que la tasa de crecimiento de esta

inversión también aumenta a medida que crece el PIB per capita. Asimismo, Lederman y

Maloney constataron que las variables que explican la mayor inversión en I+D en los

países de renta alta (en comparación con los países de menores rentas) son la profundidad

del sistema financiero, la protección de los derechos de propiedad intelectual, la mayor

eficiencia del gobierno en la movilización de recursos y la calidad del marco institucional

en el que se genera la investigación. Finalmente, estiman que un aumento del gasto en I+D

en medio punto porcentual del PIB aumenta anualmente la tasa de crecimiento del PIB

entre 0,3 y 0,4 puntos porcentuales.

Denis et al. (2004) compararon la evolución de la productividad de la UE con la de EEUU

desde 1960, destacando que hasta 1990 la productividad creció a tasas más altas en Europa.

Las causas del retroceso experimentado en la productividad europea en relación con la

americana a partir de 1990 se atribuyen precisamente a los factores de crecimiento

endógeno: menores esfuerzos en I+D y educación. Estos autores también estudiaron el

efecto a largo plazo de la innovación sobre la productividad, considerando una función de

producción Cobb–Douglas con rendimientos constantes a escala y donde la productividad

total de los factores (PTF) aumenta con la I+D, la educación y otros factores. La



estimación econométrica confirmó la significatividad estadística y la relevancia económica

de la I+D y, en menor medida, de la educación, la apertura comercial y el tamaño del país.

Abdih y Jouth (2005) estudiaron la relación existente entre patentes y PTF y descartaron la

existencia de una elevada relación: si se dobla el stock de patentes, “sólo” aumenta en un

10% la PTF a largo plazo. La explicación es que las patentes incorporan conocimientos

que llevan consigo un proceso complejo, largo y difícil de evaluar mediante análisis de

regresión.

Jorgenson, Ho y Stiroh (2005) estudian el papel desempeñado por las TIC en las mejoras

de la eficiencia global de las economías del G7. El componente TIC de la productividad

total de los factores aumentó significativamente su participación en el período 1995-2001

con relación al período 1989-1995, explicando 0,82 puntos porcentuales del aumento de la

productividad del trabajo en Gran Bretaña, y 0,17 puntos porcentuales en Canadá. Este

trabajo pone claramente de relieve la creciente y significativa participación de las TIC en la

explicación del crecimiento de la productividad en los países del G-7.

Khan y Luintel (2006) analizaron las variables que explican el progreso de la PTF: stock de

conocimientos privado, público y extranjero; infraestructuras; IED; exportaciones de alta

tecnología; y capital humano. Las estimaciones revelaron la significatividad de las tres

variables de conocimiento, que mostraron signos positivos para todos los países analizados

y se revelaron como las variables más relevantes del análisis.

Borondo (2008) realiza un estudio con datos españoles, en el que concluye que el stock de

conocimientos es una fuente clave de crecimiento de la productividad. Según sus

estimaciones, la productividad española creció entre 1968 y 2004 un 2,3% de media anual,

a lo que contribuyó con un 1% el stock de conocimiento.



1.4.3. Estudios de convergencia mediante la difusión internacional de

tecnología

Las distintas aportaciones sobre el catch-up tecnológico señalan que la difusión

internacional de la tecnología juega un papel fundamental en el crecimiento económico y

en los procesos de convergencia entre países. Así, la generación de conocimiento e

innovaciones son los factores que causan la diferencia tecnológica existente entre el país

líder, que crea tecnología, y el seguidor, que la imita. Esta hipótesis de catch-up implica,

por tanto, la importancia de las capacidades de absorción de los países seguidores. Cuanto

mayor sea la diferencia tecnológica entre el líder y el seguidor, y gracias a la difusión de la

tecnología internacionalmente disponible, mayores serán las mejoras potenciales que se

podrán introducir en los procesos productivos del país seguidor, y como consecuencia,

mayor será también el crecimiento potencial de éste frente al del país líder (Escot y

Galindo, 1998)11. Así pues, y desde el punto de vista de la política económica, sería

conveniente facilitar el proceso de difusión tecnológica eliminando cualquier traba o freno

al proceso catch-up tecnológico efectivo entre líderes y seguidores, ya que, de lo contrario,

se frenaría el progreso de los países más pobres y la convergencia entre las naciones. Otros

autores han explicado la convergencia condicional entre países introduciendo la difusión

internacional de tecnología12.

El trabajo pionero de Coe y Helpman (1995) analiza el proceso de difusión de tecnología

entre países, concluyendo que la inversión en I+D tiene un efecto comparativamente mayor

en los países más abiertos al comercio internacional y con mayor nivel de educativo, ya

que todo ello posibilita que el país absorba mejor los spillovers tecnológicos.

Posteriormente, Coe, Helpman y Hoffmaister (1997) estimaron el impacto de la I+D

extranjera en el crecimiento de la PTF de los países en desarrollo. Los datos empleados

constatan que los países en desarrollo no invierten insignificantemente en I+D, en relación

11 Entre estos planteamientos cabe destacar los trabajos de Abramovitz (1986) y Barro y Sala-i-Martin (1997). 12 Respecto a las limitaciones sociales, institucionales, educativas, estructurales y de otros tipos que condicionan el proceso de catch up, véase los trabajos de Nelson y Phelps (1966), Abramovitz (1986) y Pérez y Soete (1988).



con el tamaño de sus economías, por lo que los rendimientos obtenidos de estas

inversiones son sustanciales. De hecho –afirman estos autores–, los retornos de la I+D en

los países en desarrollo están por encima de los de los países industrializados, lo que

supone un argumento de peso para impulsar las inversiones en innovación.

El estudio de Howitt (2000) revela que los países que no realizan los gastos necesarios para

poder absorber tecnología del exterior, no tienen capacidad de generar tecnología propia y,

consiguientemente, no logran crecer. En cambio, los países que invierten, aunque sea poco,

en I+D acortan su distancia respecto de la frontera del conocimiento. A pesar de este

resultado, las estimaciones de Howitt sugieren que el crecimiento en los países en

desarrollo será mayor que en los adelantados y por lo tanto se obtiene convergencia.

Aghion, Comin y Howitt (2006) sostienen que un país poco adelantado necesita para

innovar que una empresa extranjera invierta en él y le transfiera su tecnología. Para ello, el

país receptor también necesita invertir en I+D para poder absorber esta tecnología, algo

que consiguen más fácilmente los países con más ahorro interno. De esta manera el modelo

explica la relación entre la tasa de ahorro y el crecimiento en los países alejados de la

frontera tecnológica, no siendo así en países que si están próximos a dicha frontera, ya que

sus empresas se pueden autofinanciar o conseguir financiación del extranjero.

Finalmente, Acemoglu, Aghion y Zilibotti (2006) evalúan los pros y contras de las

estrategias de crecimiento basadas en la inversión en capital físico y en innovación. La

premisa principal del análisis es que la innovación son más importantes para una economía

cuanto más próxima esté a la frontera tecnológica mundial. Las empresas tienen pocos

incentivos para innovar cuando controlan el mercado nacional, pero los incentivos

aumentan cuando compiten con otras empresas internacionales. Cuando esto ocurre, la

innovación es fundamental para mantener el liderazgo de un mercado. Estos autores

concluyen que las trabas a la apertura internacional hacen más daño a los países que están

más cerca de la frontera tecnológica.




Según la OCDE, la innovación consiste en un nuevo o mejorado producto, proceso,

método de organización o método de comercialización. La importancia de la innovación

para el progreso de las naciones es fundamental, como revela el hecho de que las

sociedades –y las personas– más innovadoras hayan progresado más rápido en la senda del

desarrollo. No es de extrañar, por tanto, que la Economía, como Ciencia, se haya

preocupado casi desde sus orígenes por entender cuáles son los mecanismos de impacto de

la innovación sobre el crecimiento económico.

De este modo, el análisis de la innovación ha recibido una atención destacada en la

prolífica literatura económica sobre el crecimiento. El presente capítulo no pretende

ofrecer una revisión exhaustiva de la literatura sobre los modelos de crecimiento, sino

revisar la concepción económica de la innovación como factor determinante del

crecimiento, tanto a través de las aportaciones teóricas, como a través de las contrataciones

empíricas de la dinámica de crecimiento.

Inicialmente, los modelos pioneros de crecimiento de Solow (1956 y 1957) y Swan (1956)

emplearon una función de producción neoclásica con rendimientos constantes a escala y

rendimientos marginales decrecientes en cada factor de producción. En el estado

estacionario estos modelos predicen que los niveles de capital y trabajo dependen de la tasa

de ahorro, de la tasa de crecimiento demográfico y de la función de producción. Por otra

parte, estos modelos también predicen que sin progreso tecnológico las economías no

crecen en el largo plazo. No obstante, estos autores concibieron el avance tecnológico

como una variable “exógena”, lo que ha generado numerosas críticas, ya que “[…] se

llega a un modelo de crecimiento que lo explica todo, menos el crecimiento” (Barro y Sala-

i-Martín, 2009, pág. 17).

Los autores posteriores, a partir del trabajo de Romer (1986), trataron de salvar las

limitaciones del modelo neoclásico mediante la concepción del progreso tecnológico como

una variable “endógena” del crecimiento. Así, autores como Romer (1987 y 1990), Aghion

y Howitt (1998) y Grossman y Helpman (1991) trataron de modelizar la contribución de la

innovación en la dinámica del crecimiento. La característica común de estos modelos es



que asumen que las actividades de I+D son beneficiosas para las empresas, siempre y

cuando exista un marco regulatorio adecuado que, por medio de patentes, consiga

incentivar el desarrollo de innovaciones y otorgue posiciones temporales de monopolio a

las empresas innovadoras; en el largo plazo, esto permite que la tasa de crecimiento sea

positiva. Puesto que la existencia de rendimientos marginales decrecientes en la

acumulación de capital físico y humano impide sostener el crecimiento a largo plazo, los

modelos de crecimiento endógeno se centran en analizar las mejoras continuas de la

tecnología. El análisis de estas mejoras ha generado dos enfoques teóricos distintos, pero

complementarios para la comprensión del papel de la innovación en el crecimiento: de una

parte, los modelos que estudian las mejoras en la calidad de los productos (Aghion y

Howitt, 1998 y Grossman y Helpman, 1991) y, de otra parte, los modelos que analizan las

mejoras en términos de la ampliación de la variedad de los productos (Romer, 1990).

El debate sobre la relevancia que la innovación tiene en las dinámicas de crecimiento de

los países ha tratado de saldarse en el terreno empírico. Lo cierto es que pocos estudios

discrepan de la hipótesis general de que la innovación es un factor fundamental –quizás el

más relevante– del progreso económico. De hecho, la relevancia de la innovación es uno

de los resultados más robustos de la investigación económica aplicada. De este resultado se

derivan conclusiones importantes de política económica: los gobiernos deben implementar

políticas de intervención en el corto y medio plazo que impulsen el progreso tecnológico y,

así, la productividad de la economía; y las empresas deben ser más innovadoras para

aumentar sus beneficios. No obstante, cabe alertar, el grueso de los trabajos se ha limitado

a analizar a las economías de “vanguardia” en términos de la innovación mundial

(básicamente, los países del la OCDE), y se ha concedido una atención limitada al análisis

de los países


CAPITULO 2 COOPERACIÓN CIENTÍFICO-TECNOLÓGICA

PARA EL DESARROLLO INTERNACIONAL

2.1. Introducción

2.2. Panorama de innovación en los PED

2.3. Cooperación científico-tecnológica para el desarrollo internacional: concepto,

objetivos, actores y sectores de destino

2.4. Ayuda oficial al desarrollo científico-tecnológica: recursos, tendencia y distribución

geográfica y sectorial




2.1. Introducción

En este capítulo se caracterizan y analizan las políticas internacionales de cooperación

científico-tecnológica (en adelante, cooperación CT) para el desarrollo. Para ello se

describe brevemente, en primer lugar, el panorama de la innovación en los PED,

atendiendo a los disímiles grados de desarrollo de sus Sistemas Nacionales de Innovación

(SNI) y de sus capacidades tecnológicas. En el segundo epígrafe se caracterizan las

políticas de cooperación CT para el desarrollo internacional, identificándose sus

principales objetivos, actores y sectores de destino. En tercer lugar se analizan

estadísticamente los recursos públicos de cooperación CT (la denominada Ayuda Oficial

al Desarrollo científico-tecnológica, AOD-CT) que financian los países donantes del

Comité de Ayuda al Desarrollo (CAD) de la OCDE y los organismos multilaterales de

desarrollo, atendiendo a su evolución temporal desde 1998, y a su distribución geográfica y

sectorial. Finalmente se ofrece un balance de los principales resultados obtenidos y se

concluye que las políticas de cooperación CT apuestan por una estrategia “inclusiva” de

desarrollo internacional “desde la innovación”.

2.2. Panorama de la innovación en los PED

De acuerdo con la definición estricta de “innovación” propuesta por el Manual de Oslo de

la OCDE, el mundo en desarrollo apenas produce avances innovadores, y es que en estos

países el cambio tecnológico se produce, en gran parte, a través del aprendizaje y la

imitación de tecnologías que ya existen en otros países más avanzados1. No obstante, la

OCDE (2005) admite también una definición “blanda” de innovación, según la cual se

producen avances cuando un país introduce por primera vez productos y procesos que son

nuevos para ellos, pero no necesariamente para el resto del mundo. Es decir, esta última

definición acepta la “imitación tecnológica” como parte del proceso de innovación, lo que

evidencia la importancia de la asimilación y la absorción de tecnología extranjera;

1 El Manual de Oslo pertenece a la denominada “Familia Frascati”. El Manual se encarga de la medición de la innovación, y es el documento de directrices más utilizado para interpretar los datos sobre actividades de innovación en las empresas. El Manual de Oslo define la innovación como:

[…] la implementación de un producto (bien o servicio) o proceso nuevo o con un alto grado de mejora, o un método de comercialización u organización nuevo aplicado a las prácticas de negocio, al lugar de trabajo o a las relaciones externas (OCDE, 2005, pág. 33).

Capítulo 2. Cooperación científico-tecnológica para el desarrollo internacional


tecnología que, por lo tanto, no solamente consiste en medios físicos, sino también en

recursos intangibles como la información, la comprensión y el aprendizaje2.

Aunque existen diversos determinantes que explican las desiguales capacidades

tecnológicas de los países, destacan cinco aspectos especialmente relevantes (Furman,

Porter y Stern, 2002): la calidad de la infraestructura para la innovación; la inversión en

I+D+i (sector público y privado) y en capital humano; la existencia de un marco legal que

permita la protección de la propiedad intelectual; la apertura de la economía al comercio

internacional; y la calidad de las conexiones entre infraestructura y grupos industriales.

La conjunción de estos factores resulta en la conformación de los disímiles Sistemas

Nacionales de Innovación (SNI) existentes entre países desarrollados y PED3; sistemas

que, en definitiva, deben proveer a cada país de un entorno adecuado, y de los recursos

necesarios, para crear avances en la generación de conocimiento. En concreto, los SNI de

los PED presentan múltiples deficiencias que limitan su positivo impacto sobre el

desarrollo. De acuerdo con el PNUD (2007), dos especialmente destacadas son la debilidad

de los vínculos existentes entre universidades, centros de investigación y organismos de

transferencia de tecnología; y el hecho de que en los PED buena parte del conocimiento no

se crea a partir de la demanda existente en las sociedades, sino que la investigación está, en

muchos casos, impulsada por los donantes4.

Siguiendo el enfoque de análisis de los SNI, diversos trabajos han tratado de identificar los

determinantes del cambio tecnológico de los países, lo que ha dado lugar al estudio de las 2 En este sentido, trabajos como los de Nelson y Phelps (1966) y Verspagen (1991) introducen el argumento de umbral y la no linealidad en la explicación del proceso de crecimiento a partir de la interacción del capital humano y la dinámica tecnológica, centrándose en la importancia de las capacidades de absorción como elemento determinante de los mecanismos de difusión. 3 Freeman (1995) define los SNI como redes de instituciones públicas y privadas, cuyas actividades e interacciones inician, importan, modifican y difunden las nuevas tecnologías. Pavit y Patel (1995) consideran que las principales instituciones que conforman los SNI son las universidades, las instituciones públicas y privadas que proporcionan educación y capacitación, y el sector financiero. Véase Lundvall (1985) para una explicación de los elementos y relaciones localizados en una región determinada que interactúan en la producción, difusión y uso del conocimiento nuevo y útil desde el punto de vista económico. 4 El estudio comparado de Tezanos (2008c) sobre los modelos canadiense, británico y holandés de apoyo público a la investigación sobre desarrollo humano constata, en este sentido, el creciente interés de los donantes por financiar investigaciones relacionadas con los temas prioritarios de la agenda internacional de desarrollo —especialmente aquellos que atañen a los Objetivos de Desarrollo del Milenio.



capacidades tecnológicas5. Una de las características clave de estas capacidades es que no

se distribuyen uniformemente entre los países, las regiones y las empresas. Es más, son

pocos los países que mejoran constantemente su base de conocimientos, mientras la

mayoría permanece rezagada y algunos experimentan serias dificultades para absorber

capacidades foráneas, consideradas obsoletas en las regiones más avanzadas (Archibugi y

Coco, 2004).

No obstante, el informe del Banco Mundial (2008) de Perspectivas económicas mundiales

2008 –subtitulado Difusión de las tecnologías en los países en desarrollo– revela que la

brecha tecnológica tiende a cerrarse desde la década de 1990 debido al rápido progreso

tecnológico experimentado por algunos PED; progreso que –en ciertos países– duplicó el

ritmo de avance de las economías desarrolladas. En realidad, este avance ha consistido

mayoritariamente en imitación y asimilación de tecnologías foráneas (como se dijo

anteriormente, de acuerdo con la definición “blanda” de innovación), lo que ha permitido

que los avances hayan sido especialmente rápidos en los países de ingreso bajo, que son los

que parten de niveles más bajos de tecnología6.

Sin embargo –cabe alertar–, a pesar de este aparente “estrechamiento” de la brecha

tecnológica, lo cierto es que los PED emplean un nivel de tecnología equivalente a una

cuarta parte del que se utiliza en los desarrollados porque la tecnología no se difunde con la

5 El concepto de capacidades tecnológicas describe las habilidades más amplias que se requieren para iniciar procesos de mejoras que impulsen dinámicas de crecimiento y desarrollo sostenido. La definición de capacidades tecnológicas implica conocimientos y habilidades para adquirir, usar, absorber, adaptar, mejorar y generar nuevas tecnologías (Bell y Pavitt, 1995; Lall, 1992). Partiendo de esta definición, se entiende que las capacidades tecnológicas incluyen las capacidades de innovación y las capacidades de absorción. La capacidad de innovación está sujeta a aspectos como las infraestructuras, las actividades de innovación, formación del capital humano, y las habilidades de los países para crear, imitar y gestionar el conocimiento (Castellaci y Archibugui, 2008). La capacidad de absorción se refiere a la posibilidad de acceder, aprender y asimilar tecnologías extranjeras (Rogers, 2004). 6 La existencia de una brecha tecnológica genera un potencial de aprendizaje, imitación o copia. Las importaciones de bienes de capital permiten la difusión de nuevas oleadas de tecnología extranjera, en tanto la migración internacional y las inversiones directas propagan diferentes tipos de conocimientos tácitos. Estos tipos de transferencias tecnológicas tienden a aumentar la capacidad de competencia de los países menos desarrollados. Sin embargo, la existencia de una brecha tecnológica implica que los países más desarrollados gocen de una ventaja competitiva en los mercados internacionales y puedan, por ello, sacar mejores ventajas del crecimiento de la demanda internacional (Verspagen, 1993)



misma rapidez dentro de estos países y por la limitada capacidad de absorción de las

empresas, las instituciones y las personas7.

Asimismo, este informe del Banco Mundial (2008) revela que las principales innovaciones

producidas en los últimos 200 años (como la fuerza térmica, la electricidad y los teléfonos)

están asimétricamente difundidas en los PED. El acceso a estas “tecnologías antiguas”

depende de la capacidad de cada país de absorber tecnologías foráneas y del coste de las

mismas, a lo que se une el hecho de que la difusión tecnológica es especialmente

complicada en muchos países de ingreso bajo y medio-bajo como consecuencia de la

debilidad de las instituciones y la falta de capacidad para construir y mantener las

infraestructuras necesarias. Por ejemplo –señala el Banco Mundial–, mientras que las ex-

repúblicas soviéticas disfrutan de acceso casi universal a la electricidad, en el sur del

Sahara la electricidad está al alcance del 8% de la población rural y poco más de la mitad

de la población urbana.

Aunque las estadísticas sobre tecnología e innovación en los PED no son abundantes –y

con frecuencia resultan incompletas–, los indicadores disponibles revelan que sus

capacidades tecnológicas, en la mayoría de los casos, son muy inferiores a las de los países

desarrollados. Un simple mapeo de las “capacidades de innovación tecnológica” de

acuerdo con el indicador sintético elaborado por el World Economic Forum (WEF) revela

la existencia de una clara brecha tecnológica entre el mundo desarrollado (y

tecnológicamente avanzado) y el mundo en desarrollo (y tecnológicamente atrasado)

(Gráfico 2.1 y Mapa 2.1)8. Así, para los 139 países que incluye el Global Competitiveness

Report 2010-2011 —de los cuales 101 son PED—, tan sólo 20 se ubican en el grupo de

economías con elevadas capacidades de innovación tecnológica (todas ellas de ingreso

alto, lideradas por EEUU y Finlandia); en cambio, 40 países se ubican en el grupo de

capacidades medias (liderados por China, Túnez y Brasil) y la mayoría de los países (79)

8 Véase WEF (2010). El índice de capacidad de innovación se elabora a partir de información obtenida por medio de encuestas y de datos publicados por distintos organismos oficiales. El índice evalúa la calidad de las instituciones, la inversión en I+D+i, las colaboraciones en I+D+i entre universidades y empresas, la adquisición por parte del gobierno de tecnología avanzada, la disponibilidad de científicos e ingenieros, la generación de patentes y la protección de la propiedad industrial. El índice está normalizado y toma valores entre 1 y 7.



están en el grupo de capacidades más bajas. Como consecuencia de esta estratificación del

mundo en tres grupos de países, solamente el 13% de la población mundial vive en

sociedades con elevadas capacidades de innovación (y, consiguientemente, con mayores

oportunidades de adaptar las tecnologías a sus necesidades nacionales de desarrollo);

mientras, el grueso de la población mundial (57%) vive en países “seguidores” con

capacidades medias de innovación (entre los que se encuentran China e India) y el 30% de

la población vive al margen del proceso de innovación.

Gráfico 2.1. Nivel de desarrollo económico versus capacidad de innovación

Regresión lineal estimada mediante mínimos cuadrados ordinarios.

Fuente: elaboración propia con datos de WEF (2010) y Banco Mundial (2011).

y = 1777,7x2 - 1584,3x - 7026,8R² = 0,6933

0

10,000

20,000

30,000

40,000

50,000

60,000

2 2.5 3 3.5 4 4.5 5 5.5 6

PIB

per

capi

ta ($

)

Capacidad de innovación

Paises desarrollados

Países en desarrollo

Cap

ítulo

2. C

oope

raci

ón c

ient

ífico

-tecn

ológ

ica

para

el d

esar

rollo

inte

rnac

iona

l

Aino

a Q

uiño

nes M

onte

llano

Map

a 2.

1. C

apac

idad

es d

e in

nova

ción

tecn

ológ

ica

en e

l mun

do

Lo

s int

erva

los d

e ca

paci

dade

s de

inno

vaci

ón te

cnol

ógic

a se

han

cre

ado

med

iant

e el

mét

odo

de Je

nks.

Fuen

te: e

labo

raci

ón p

ropi

a a

parti

r del

indi

cado

r de

capa

cida

des d

e in

nova

ción

tecn

ológ

ica

del W

EF (2

010)



De manera análoga, el Índice de Adelanto Tecnológico (IAT) del PNUD confirma la

existencia de formidables disparidades entre países9. El PNUD agrupa los países

analizados en cuatro categorías distintas: líderes (IAT > 0,5), líderes potenciales (IAT entre

0,35 y 0,49), seguidores dinámicos (IAT entre 0,2 y 0,34) y marginados (IAT < 0,2)

(Cuadro 2.1). Los líderes son aquellos países (todos ellos de ingreso alto) que se

encuentran en la vanguardia de la innovación tecnológica y aportan logros relevantes en

materia de creación y difusión de conocimientos especializados en materia de tecnología.

Los líderes potenciales se caracterizan por haber realizado inversiones en conocimientos

especializados y divulgado ampliamente viejas tecnologías, pero realizado pocas

innovaciones; se trata mayoritariamente de economías de ingreso alto y unos pocos países

de renta media-alta. Seguidores dinámicos son países emergentes que hacen un uso

frecuente de las nuevas tecnologías, y que poseen conocimientos superiores al cuarto

grupo. Por último, los marginados son los PED más rezagados en el proceso de difusión y

creación de tecnología y conocimiento. Como resultado, la distribución de las capacidades

tecnológicas mundiales discurre entre el 0,744 registrado en Finlandia y el 0,066 de

Mozambique.

9 El IAT mide la capacidad de creación y difusión de tecnología y el fomento de aptitudes humanas en relación con las nuevas tecnologías (PNUD, 2001). El índice toma valores entre 0 y 1, incluye 72 países (de los cuales únicamente 38 son PED) y evalúa cuatro aspectos concretos del proceso mundial de innovación: 1. Creación de tecnología: número de patentes per capita otorgadas a los residentes e ingresos per capita

recibidos del exterior por concepto de derechos de patentes y licencias. 2. Difusión de innovaciones recientes: número de sitios de Internet per capita, y proporción de

exportaciones de alta y media tecnología en comparación con el total de las exportaciones de bienes. 3. Difusión de innovaciones anteriores: número de teléfonos (fijos y móviles) per capita y consumo de

electricidad per capita. 4. Aptitudes humanas: promedio de años de escolaridad de la población de cinco y más años y tasa bruta de

matriculación en asignaturas científicas en educación terciaria.



Cuadro 2.1. Grupos de países según el Índice de Adelanto Tecnológico

Líderes

Finlandia, Estados Unidos, Suecia, Japón, Corea, Países Bajos, Reino Unido, Canadá, Australia, Singapur, Alemania, Noruega, Irlanda, Bélgica, Nueva Zelanda, Austria, Francia, Israel.

Líderes potenciales

España, Italia, República Checa, Hungría, Eslovenia, Hong Kong, Eslovaquia, Grecia, Portugal, Bulgaria, Polonia, Malasia, Croacia, México, Chipre, Argentina, Rumania, Costa Rica, Chile.

Seguidores dinámicos

Uruguay, Sudáfrica, Tailandia, Trinidad y Tobago, Panamá, Brasil, Filipinas, China, Bolivia, Colombia, Perú, Jamaica, Irán, Túnez, Paraguay, Ecuador, El Salvador, Rep. Dominicana, Rep. Árabe Siria, Egipto, Argelia, Zimbabue, Indonesia, Honduras, Sri Lanka, India.

Marginados Nicaragua, Pakistán, Senegal, Ghana, Kenia, Nepal, Tanzania, Sudán, Mozambique.

Fuente: PNUD (2001)

2.3. Cooperación científico-tecnológica para el desarrollo internacional:

concepto, objetivos, actores y sectores de destino

La información antes ofrecida justifica la existencia de políticas de cooperación

internacional para el desarrollo que traten de cerrar las brechas de innovación y

conocimiento existentes en la sociedad mundial. Dado que el avance de los PED en

materia de ciencia y tecnología requiere mejorar los SNI de cada país, en este reto

internacional las políticas de cooperación CT pueden constituir un complemento apropiado

para crear SNI sólidos, sensibles a las necesidades particulares de desarrollo de cada país y

que permitan ampliar las capacidades de innovación de los PED (públicas y privadas,

institucionales e individuales).

La relevancia de la ciencia y la tecnología para el proceso de desarrollo humano y para las

políticas de cooperación fue enfatizada en 2005, en la Cumbre del Milenio+5 de NNUU,

donde se resaltó su importancia para la consecución de los Objetivos de Desarrollo del

Milenio (ODM). Dicha importancia no reside sólo en el hecho de que la ciencia y la

tecnología son “objetivos transversales” de la estrategia ODM (puesto que es preciso

atraer, utilizar y, sobre todo, aplicar tecnologías ya existentes al servicio del desarrollo

humano), sino también porque es necesario generar nuevos conocimientos para solucionar

los problemas específicos que afligen al mundo en desarrollo (Sachs, 2005). Para lograr

estos objetivos se requiere tanto ampliar la financiación (nacional e internacional) en



ciencia y tecnología, como mejorar las políticas y las instituciones responsables del

desarrollo científico-tecnológico. En esta materia, el Informe del Proyecto del Milenio de

NNUU (2005) señaló cuatro ámbitos prioritarios para el desarrollo de la ciencia y la

tecnología en los PED: i) ampliar el acceso a la educación científica-tecnológica y a la

investigación; ii) promover las oportunidades de negocios en ciencia y tecnología; iii)

promover el desarrollo de infraestructuras como proceso de aprendizaje tecnológico

(puesto que la capacidad para asimilar, utilizar eficientemente y crear tecnología depende

no sólo de las decisiones internas de cada país y de su grado de competencia, sino también

del nivel y la capacidad de su infraestructura tecnológica); y iv) mejorar el asesoramiento

científico.

En términos generales, las políticas internacionales de cooperación CT para el desarrollo

consisten en un conjunto de actividades que pretenden promover el progreso tecnológico,

científico e innovador de los PED. Nueve son los objetivos principales que se persiguen

(Cuadro 2 .2)10: i) crear SNI sólidos en los PED; ii) transferir el conocimiento y la

tecnología, y ponerlos al servicio de las necesidades del desarrollo humano de cada país;

iii) formar y capacitar recursos humanos en materia científico-tecnológica; iv) facilitar la

movilidad internacional de los investigadores; v) facilitar el aprendizaje tecnológico; vi)

crear infraestructuras y capacidades institucionales de I+D+i; vii) sensibilizar al conjunto

de la sociedad sobre la relevancia de la ciencia, la tecnología y la innovación; viii)

satisfacer las demandas nacionales de innovación de cada PED, para contribuir a eliminar

los principales cuellos de botella del desarrollo, aportando soluciones específicas a los

problemas que afectan directamente a las necesidades socio-económicas (por ejemplo, en

materia de salud, vivienda, educación, servicios públicos y medio ambiente); y ix)

recuperar conocimientos tecnológicos locales.

Según Álvarez y Magaña (2007) existen dos espacios en la cooperación CT. Por un lado, la

cooperación científica, la cual, entre sus actividades, se pueden destacar el desarrollo de

programas formativos en educación superior y promocionar instrumentos de colaboración

entre científicos, tecnólogos e infraestructuras de los países desarrollados y en desarrollo,

pero sobre todo reforzar el papel de las universidades. El otro ámbito de actuación sería la

10 Véase una clasificación distinta de objetivos, actores e instrumentos de la cooperación CT en Sebastián y Benavides (2007).



cooperación tecnológica, que promociona la búsqueda de nuevos socios, facilitando así la

transferencia internacional de tecnología, siendo fundamental el fomento del uso de las

TIC ya que posibilitan el desarrollo económico y social de los países más atrasados.

Cuadro 2.2. Características de las políticas internacionales de cooperación CT para el

desarrollo

Objetivos 1. Crear SNI sólidos 2. Transferir conocimiento y tecnología 3. Formar y capacitar de recursos humanos 4. Facilitar la movilidad de investigadores 5. Facilitar el aprendizaje tecnológico 6. Crear infraestructuras de I+D+i 7. Sensibilizar al conjunto de la sociedad sobre la relevancia de la

ciencia, la tecnología y la innovación 8. Satisfacer las demandas nacionales de innovación 9. Recuperar conocimientos tecnológicos locales

Actores 1. Gobiernos 2. Organismos multilaterales 3. Universidades y centros de investigación 4. Organismos nacionales de I+D+i 5. Empresas 6. ONGD

Modalidades de ayudas 1. Ayudas para la investigación y el desarrollo tecnológico (agrícola, forestal, pesquera, educativa, sanitaria, energética y medioambiental).

2. Ayudas para la adquisición de competencias avanzadas y específicas (formación profesional, enseñanza superior, fomento de capacidades estadísticas, extensión agraria y varios tipos de enseñanza y formación referida a sectores sociales, productivos y comerciales).

Fuente: elaboración propia

Múltiples actores participan en las políticas de cooperación CT (véase, de nuevo, Cuadro

2.2), entre los que destacan los gobiernos (de los países socios y de los países donantes),

los organismos internacionales especializados (como UNESCO, UNCTAD y OMPI), las

universidades y los centros de investigación, los organismos nacionales de I+D+i, y

algunas empresas y ONGD11. Entre estos actores, resulta especialmente relevante la

actuación de las empresas, aunque su labor sería más fructífera si interactuaran con otros

actores presentes en el entorno de innovación. Más concretamente –según la UNCTAD 11 Para un análisis de las iniciativas de cooperación público-privadas en materia de innovación, véase el reciente informe de Fundación Carolina (2011).



(2007)–, las políticas públicas de los PED en ciencia y tecnología deben enfocarse

principalmente en incorporar tecnologías externas que faciliten el “aprendizaje

tecnológico” y realizar transformaciones en la economía, en el sistema productivo y en la

sociedad que permitan aumentar la productividad total de los factores, mejorar la calidad y

cantidad de los productos, reducir los costes de producción y abrir nuevos mercados.

Respecto a los sectores de destino de la cooperación CT, UNCTAD (2007) identifica 28

sectores (empleando la clasificación utilizada por el CAD) que se integran en dos

modalidades principales de ayudas (Cuadros 2.2 y 2.3): ayudas para la investigación y el

desarrollo tecnológico (agrícola, forestal, pesquera, educativa, sanitaria, energética y

medioambiental) y ayudas para la adquisición de competencias avanzadas y específicas

(formación profesional, enseñanza superior, fomento de capacidades estadísticas, extensión

agraria y varios tipos de enseñanza y formación referida a sectores sociales, productivos y

comerciales). Esta clasificación engloba, por tanto, las iniciativas de cooperación

orientadas al desarrollo de competencias avanzadas de los recursos humanos y a la

creación de infraestructura institucional para la investigación científica y el desarrollo

tecnológico.

Cuadro 2.3. Sectores de destino de la cooperación CT

Código Descripción Definición Investigación

11182 Investigación sobre educación Investigación y estudios sobre la efectividad, la pertinencia y la calidad de la enseñanza; evaluación y observación sistemáticas

12182 Investigación médica Investigación médica general (no incluye la investigación sobre salud básica)

23082 Investigación energética Incluye inventarios y estudios generales

31182 Investigación agrícola Incluye la fitogenética, la fisiología, los recursos genéticos, la ecología, la taxonomía, el control de enfermedades y la biotecnología agrícola

31282 Investigación forestal Incluye la regeneración artificial, el mejoramiento genético, los métodos de producción, los fertilizantes y la cosecha

31382 Investigación pesquera Programas piloto de piscicultura; investigación biológica marina y de agua dulce

32182 Investigación y desarrollo tecnológicos

Incluye las normas industriales, la gestión de la calidad, la metrología, las pruebas, la acreditación y la certificación



Código Descripción Definición

41082 Investigación ambiental Incluye la creación de bases de datos, inventarios/informes relativos a los recursos físicos y naturales, perfiles ambientales y estudios de impacto no referidos a ningún sector en particular

43082 Instituciones científicas y de investigación

Cuando no se puede determinar el sector

11330 Formación profesional Formación profesional elemental y enseñanza secundaria de tipo técnico, capacitación en el empleo, aprendizajes, incluida la formación profesional informal

11420 Enseñanza superior Programas de licenciatura y diplomatura en universidades, escuelas superiores y escuelas politécnicas; becas

11430 Formación técnica y de gestión avanzada

Programas de formación profesional especializada y capacitación durante el servicio

12181 Educación y formación médica Educación y capacitación médica para la prestación de servicios de nivel terciario

12261 Educación sobre salud Información, educación y capacitación de la población para mejorar el conocimiento y las prácticas en materia de salud; campañas de salud pública y sensibilización al respecto

12281 Perfeccionamiento del personal de salud

Capacitación de personal sanitario para los servicios básicos de salud

13081 Formación de personal en asuntos de población y salud reproductiva

Educación y capacitación de personal sanitario para prestar servicios en materia de población y salud reproductiva

14081 Educación y capacitación sobre suministro de agua y saneamiento

16062 Fomento de la capacidad estadística

En oficinas nacionales de estadística y otros ministerios

21081 Educación y capacitación sobre transporte y almacenamiento

23081 Educación y capacitación sobre energía

Se refiere a todos los subsectores de la energía y a todos los niveles de capacitación

24081 Educación y capacitación sobre servicios bancarios y

31181 Educación y capacitación sobre agricultura

31166 Extensión agraria Capacitación agrícola no formal

31281 Educación y capacitación forestal

31381 Educación y capacitación pesquera

33181 Educación y capacitación comercial

Desarrollo de recursos humanos para el comercio que no esté incluido en ninguno de los códigos anteriores. Comprende programas universitarios de comercio

41081 Educación y capacitación sobre medio ambiente

43081 Educación y capacitación multisectorial

Incluye las becas

Fuente: UNCTAD (2007), utilizando la clasificación sectorial del CAD.



Finalmente, Farley (2007) propone una clasificación de las políticas de cooperación CT

atendiendo a sus orientaciones. Cuatro son las principales (Cuadro 2.4): i) iniciativas que

persiguen fortalecer los bienes públicos mundiales o regionales; ii) iniciativas para mejorar

las capacidades nacionales en ciencia, tecnología e innovación (sectoriales, sub-nacionales

o nacionales); iii) iniciativas basadas en vínculos, donde las actividades y proyectos

financiados por los donantes se centran en fomentar redes de conocimiento mundiales y

regionales; e iv) iniciativas integradas, cuyo objetivo es fortalecer los SNI o integrar las

múltiples facetas de las tres orientaciones anteriores para fomentar la cooperación en

ciencia y tecnología.

Cuadro 2. 4. Orientaciones principales de las políticas de cooperación en ciencia y

tecnología

Grupo 1 Grupo 2 Grupo 3 Grupo 4 Iniciativas para los bienes públicos mundiales o regionales

Iniciativas para mejorar la capacidad nacional en ciencia, tecnología e innovación (sectoriales, sub-nacionales o nacionales)

Iniciativas basadas en vínculos

Iniciativas integradas

- Apoyo a la investigación para los bienes públicos mundiales o regionales

- Desarrollo en universidades de disciplinas en campos de ciencia, tecnología e innovación - Educación y formación técnica y profesional - Mejora de competencias en determinados sectores mediante cursos universitarios y de posgrado - Mejora de la productividad en el sector privado mediante la tecnología y el perfeccionamiento de competencias - Investigación y desarrollo - Centros de excelencia - Adopción de decisiones y establecimiento de prioridades en materia de ciencia, tecnología e innovación. - Ciencias y matemáticas en escuelas primarias y secundarias, incluida la formación de maestros - Infraestructura y equipo de ciencia, tecnología e innovación. - Tecnologías de la información y las comunicaciones

- Iniciativas basadas en vínculos Norte-Sur - Iniciativas basadas en vínculos Sur-Sur - Vínculos Norte- Norte-Sur para el alineamiento de políticas - Iniciativas basadas en vínculos sectoriales e intersectoriales - Vinculación de personas o instituciones

- Iniciativas relacionadas con los sistemas nacionales de innovación - Iniciativas de innovación integradas

Fuente: Farley (2007)



2.4. Ayuda o ficial a l de sarrollo c ientífico-tecnológica: recu rsos,

tendencia y distribución geográfica y sectorial

Dentro de las iniciativas de cooperación CT, las políticas públicas que financian los países

donantes de la OCDE (la denominada Ayuda Oficial al Desarrollo, AOD) son las que

ofrecen información más completa sobre las actividades, países y sectores de actuación.

Por ello, en esta sección se analizan los flujos de AOD-CT (utilizando la clasificación

sectorial propuesta por UNCTAD, 2007) canalizados a los PED en el periodo 1998-2008.

Para ello se emplea la base de datos CRS (Creditor Reporting System) del CAD (2011b),

que incluye a los 23 países donantes de la OCDE y al conjunto de organismos

multilaterales de desarrollo. Concretamente, en el presente análisis se utilizan los

compromisos de AOD por tratarse de la información más completa y rigurosa que ofrece el

CAD12.

Pues bien, las políticas de cooperación CT han cobrado mayor protagonismo en el sistema

de ayuda desde 1998. Así, la participación de la AOD-CT en el presupuesto global de

AOD ha aumentado desde el limitado 3,1% registrado en 1998, hasta el 5,6% de 2008

(habiéndose alcanzado el máximo del 6,5% un año antes)13. Sin embargo —cabe alerta—

la evolución de los recursos muestra una excesiva volatilidad (especialmente desde 2003),

que puede afectar negativamente a la eficacia macroeconómica de las intervenciones, lo

que revela la existencia de problemas tanto de coordinación entre los financiadores, como

12 La cuantía de la ayuda se puede expresar en función de los compromisos asumidos por el donante o de los desembolsos (netos o brutos) finalmente realizados; los compromisos se definen como una “obligación firme, expresada por escrito y respaldada por los fondos necesarios” (CAD, 2011a), mientras que los desembolsos son los “registros reales de la transferencia internacional de recursos financieros”. Las diferencias entre desembolsos y compromisos de ayuda se deben a los embotellamientos, las demoras administrativas y a la falta de realismo de las promesas de los donantes, así como a las limitaciones de la capacidad de absorción de los beneficiarios (Roodman, 2006). En todo caso, el CAD no recomienda utilizar la información que facilita la base de datos CRS sobre los desembolsos de ayuda anteriores al año 2002, debido a su escasa cobertura, inferior al 60% de las actividades de AOD. A partir de este año la cobertura asciende al 90% y alcanza el 100% a partir del año 2007. En cambio, la cobertura de la información sobre compromisos es muy superior: del 70% en 1995, del 90% en 2000 y del 100% a partir de 2003. 13 La notable caída en la AOD-CT de 2005 es, en parte, consecuencia del “desplazamiento” de los recursos de ayuda que se produjo en ese año hacia las macro-operaciones de alivio de la deuda practicadas a Iraq y Nigeria.



de planificación temporal de las intervenciones (Gráfico 2.2 )14. Asimismo, las

percepciones de AOD-CT per capita siguen una evolución pareja, multiplicándose por

cinco hasta alcanzar los 1,56 dólares por persona en 2008 (Gráfico 2.3).

Gráfico 2.2. Evolución de la participación de la AOD-CT en la AOD global (%)


Fuente: elaboración propia a partir de datos del CAD (2011c)

14 La volatilidad de la ayuda (las variaciones repentinas de año en año) puede generar efectos macroeconómicos perversos para las economías receptoras, tales como la amplificación de los ciclos económicos recesivos, la distorsión de las decisiones de inversión, la dislocación del comportamiento fiscal de los gobiernos socios y la generación de fluctuaciones en los tipos de cambio (“síndrome holandés”) (Tezanos, 2010) .

y = 0,2564x + 3,2479R² = 0,6023

2,5

3,0

3,5

4,0

4,5

5,0

5,5

6,0

6,5

7,0

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

Porc

enta

jes



Gráfico 2.3. Evolución de la AOD-CT per capita global ($ constantes)


Fuente: elaboración propia a partir de datos del CAD (2011c)

En términos agregados, la AOD-CT representó un 5,45% de los recursos de AOD

canalizados a los PED en el cuatrienio 2005-2008 (véase columna 1 del Cuadro 2.5). No

obstante, existen importantes disparidades por regiones, siendo Oceanía el continente en el

que más importancia tiene la AOD-CT (casi uno de cada 10 dólares de AOD se destinaron

a esta partida). África, en cambio, es el continente en el que menos peso reciben este tipo

de políticas (4,6%) —y ello a pesar del hecho de que los países africanos son los menos

avanzados tecnológicamente, como se vio en el epígrafe anterior—. Por sub-regiones, el

norte de África tiene las mayores proporciones (14,5%), seguido del este de Asia (9,9%);

en cambio, las participaciones de la AOD-CT son inferiores al 4% en Oriente Medio, el

centro y el sur de Asia y África Subsahariana.

y = 0,1157x + 0,4328R² = 0,9028

0,2

0,4

0,6

0,8

1

1,2

1,4

1,6

1,8

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

Dól

ares

con

stan

tes



Cuadro 2.5. AOD-CT. 2005-2008 (%)

AOD-CTi /

AODi (%)

AOD-CTi / ∑i

AOD-CT (%)

AOD-CTi /

Población ($)

∑i AOD-CT /

∑i PNB (%)

Total 5,45 5,36 0,06 África 4,62 30,86 9,15 0,19

Norte de África 14,46 8,57 15,25 0,15 África Subsahariana 3,56 21,03 7,48 0,20 África, regional 6,91 1,26

América 6,79 8,54 4,40 0,02 Centro y Norte de América 4,90 3,02 4,82 0,02 América del Sur 8,53 4,71 3,58 0,02 América, regional 8,98 0,81

Asia 4,89 32,76 2,57 0,04 Este de Asia 9,95 17,12 2,67 0,03 Centro y Sur de Asia 3,43 9,24 1,62 0,05 Asia-Oriente Medio 2,39 5,24 8,15 0,05 Asia, regional 12,22 1,17

Europa 8,24 6,69 12,48 0,05 Oceanía 9,32 1,87 62,15 1,17 PED sin especificar 7,19 19,28 Cálculos realizados sobre los compromisos acumulados de AOD-CT entre 2005 y 2008 (dólares constantes

de 2008).

(1) Ratio entre la AOD-CT recibida por la región i y la AOD total recibida por dicha región.

(2) Ratio entre la AOD-CT recibida por la región i y la AOD-CT recibida por el conjunto de PED.

(3) AOD-CT per capita recibida por la región i en el cuatrienio 2005-08.

(4) Ratio entre AOD-CT recibida por la región i en el cuatrienio 2005-08 y el PNB agregado de la región i en

el cuatrienio 2005-08.

Fuente: elaboración propia a partir de los datos del CAD (2011c).

Atendiendo al reparto del presupuesto mundial de la AOD-CT entre las distintas regiones

en desarrollo (véase columna 2 del Cuadro 2.5), Asia y África reciben, cada una, casi uno

de cada tres dólares de estas ayudas (en consonancia con sus posiciones como principales

receptoras de AOD del mundo). Por sub-regiones, África Subsahariana se ubica como la

primera receptora (21%).

En términos per capita (tercera columna del Cuadro 2.5 ), los recursos de AOD-CT han

supuesto, para el cuatrienio 2005-2008, una percepción de poco más de cinco dólares por

persona en el conjunto de los PED. De nuevo, la distribución de los recursos por regiones

revela importantes disparidades, así como la existencia de un marcado sesgo a favor de las



regiones menos pobladas. De este modo, mientras Oceanía recibe más de 62 dólares por

persona, los demás continentes reciben cantidades inferiores a los 13 dólares (y

especialmente bajas son las percepciones de la población más numerosa del Planeta, los

asiáticos).

Por otra parte, la aportación de la AOD-CT al PNB del mundo en desarrollo es

relativamente limitada (véase cuarta columna del Cuadro 2.5 ), suponiendo

aproximadamente el 0,06%. Así, en todos las regiones la ratio AOD-CT/PNB es inferior al

0,2% (salvo para Oceanía, donde se confirma un sesgo a favor de las regiones menos

pobladas). Por sub-regiones, África Subsahariana y el norte de África (con ratios del 0,2%

y del 0,15% respetivamente) se ubican muy por delante del resto de áreas, siendo

marcadamente reducida la participación de la AOD-CT en el PNB de las diferentes

regiones americanas y asiáticas.

Más allá del mero reparto geográfico de la AOD-CT por regiones, resulta especialmente

relevante valorar si estas ayudas se distribuyen de manera “redistributiva” entre los PED,

apoyando más que proporcionalmente a los países más rezagados en ciencia y tecnología y

contribuyendo a cerrar la brecha tecnológica existente entre los propios PED. Pues bien, en

términos generales, la distribución de estas ayudas resulta moderadamente progresiva, en

tanto que los PED menos adelantados tecnológicamente tienden a recibir más recursos.

Así, el coeficiente de correlación de Spearman revela una asociación negativa, y

estadísticamente significativa, entre el indicador de innovación elaborado por el WEF y las

percepciones de AOD-CT de cada país (Cuadro 2.6). Análogos resultados se obtienen con

el indicador de I+D+i.

Cuadro 2.6. Coeficientes correlación de Spearman entre AOD-CT e innovación

Rho Estadístico t p-valor

Indicador WEF -0,324 -15,3626682 0,01

I+D/PIB -0,327 -11,1048518 0,01

La muestra incluye 89 PED para el indicador WEF (2010 ) y 65 para la I+D+i (Banco Mundial, 2011).

No obstante, a pesar de que la relación entre la percepción de AOD-CT y la inversión en

I+D+i resulta, en términos agregados, inversamente proporcional, existe una notable



dispersión en la distribución de las observaciones (véanse los coeficientes de correlación

R2 insertos en los Gráficos 2.4 y 2.5). Así, existen numerosos datos atípicos que incumplen

esta regla general; se trata de países con bajas capacidades de innovación y escasas

percepciones de AOD-CT, entre los que destacan los casos de Paraguay, Guatemala, Perú

y Filipinas, que se encuentran seriamente infra-asignados (Gráfico 2.4).

Gráfico 2.4. AOD-CT/PIB versus capacidades de innovación


Fuente: elaboración propia con datos de CAD (2011c) y WEF (2010).

y = 0,1562x2 - 1,2726x + 2,6192R² = 0,0784

0,0

0,5

1,0

1,5

2,0

2,5

3,0

3,5

2,0 2,5 3,0 3,5 4,0 4,5

AO

D-C

T/P

IB (

%)

Capacidad de Innovación



Gráfico 2.5. AOD-CT/PIB versus inversión en I+D+i


Fuente: elaboración propia con datos de CAD (2011c) y Banco Mundial (2011).

De manera más precisa, dos indicadores especialmente útiles para valorar el grado de

“progresividad” en la distribución geográfica de unos recursos públicos —como es la

AOD-CT— son las curvas de concentración relativa y los índices de Suits15. De acuerdo

con este análisis, el mapamundi de la AOD-CT se considera redistributivo siempre y

cuando facilite más ayuda a los PED menos adelantados tecnológicamente.

Consiguientemente, un mapa de asignación progresivo contribuye a reducir las

desigualdades internacionales existentes en términos de capacidades de innovación por

medio de una distribución progresiva de la AOD-CT —siempre y cuando dichas ayudas se

demuestren eficaces.

Leyendo de izquierda a derecha en el Gráfico 2.6 se ubican los países receptores de AOD-

CT ordenados ascendentemente según sus capacidades tecnológicas (de acuerdo con el

ranking publicado por el WEF). Cada segmento de la curva se corresponde con un país, 15 Véase Tezanos (2008b, cap. 3) para una explicación detallada de los aspectos metodológicos de estos indicadores.

y = 0,268x2 - 0,6093x + 0,4479R² = 0,0803

0

0,2

0,4

0,6

0,8

1

1,2

1,4

1,6

0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6

AO

D-C

T/P

IB (

%)

Gasto en I+D (% PIB)



siendo la longitud de los mismos proporcional a la participación de cada uno en la

población muestral (es decir, la población del conjunto de PED analizados). Más

concretamente, la distancia vertical de cada segmento representa la participación de un país

en la AOD-CT bilateral y multilateral agregada, y la distancia horizontal representa su

participación en la población muestral. Por lo tanto, en el caso de asignaciones con un

claro enfoque “progresivo” de desarrollo científico —es decir, donde la ayuda se destina

prioritariamente a los países con menos capacidades de innovación—, la curva de

concentración adoptará inicialmente una pendiente positiva y mayor de 45 grados,

discurriendo por encima de la diagonal; posteriormente, la pendiente de la curva tenderá

progresivamente a cero a medida que avanza hacia las últimas posiciones de la lista —es

decir, hacia los países relativamente más innovadores—. Por su parte, el índice de Suits

asigna un valor numérico a la distribución de la curva de concentración, tomando valores

en el intervalo entre –1 (cuando toda la ayuda se destina al país relativamente menos

innovador) y +1 (cuando toda la ayuda se destina al receptor más innovador)16.

Pues bien, la asignación de la AOD-CT entre los PED ha sido moderadamente progresiva

en el periodo 2005-08, tal y como refleja el índice de Suits obtenido (con un valor -0,288).

La curva de concentración de la AOD-CT discurre en su primer tramo ligeramente por

encima de la diagonal, puesto que los países con menores capacidades tecnológicas reciben

cuotas de ayuda superiores a sus participaciones en la población muestral (este es el caso

de Argelia, Marruecos, Senegal y Vietnam). Asimismo, las curvas se tornan más

horizontales en la segunda mitad del gráfico, donde se ubican los PED con mayores

capacidades tecnológicas, que reciben cuotas de AOD-CT menores que sus cuotas de

participación en la población muestral (como Brasil, India, Indonesia y China). En todo

caso debe advertirse que, aunque globalmente la asignación de la AOD-CT resulta

progresiva, existen países “infra-asignados” en relación con sus limitadas capacidades

tecnológicas y sus elevadas participaciones poblacionales, como Bangladesh, Filipinas, 16 Respectivamente, estas dos situaciones extremas trazarían los siguientes “segmentos” de concentración: el eje de ordenadas izquierdo (–1); y el segmento del eje de abscisas inferior y el segmento del eje de ordenadas derecho (+1). Si el índice toma el valor 0 puede corresponder tanto a una asignación directamente proporcional a la población del país receptor —discurriendo a lo largo de la diagonal del gráfico—, como a una asignación en la que un primer reparto progresivo (o regresivo) de la ayuda entre los países menos innovadores sea contrarrestado por un segundo tramo de asignación más regresivo (o progresivo) entre los países más innovadores, compensándose dichos valores en el índice de Suits.



Nigeria y Pakistán, que se encuentran seriamente infra-asignados en relación con sus

rezagadas capacidades de innovación y sus relevantes participaciones en la población

mundial (entre los cuatro países representan más del 11% de la población analizada).

Gráfico 2.6. Curva de concentración de la AOD-CT. 2005-2008

89 países analizados. Los 53 países excluidos son: Afganistán, Antigua and Barbuda, Bielorrusia, Belice,

Bután, Comoras, Rep. Democrática del Congo, Rep. del Congo, Cuba, Yibuti, Dominica, Guinea Ecuatorial,

Eritrea, Fiyi, Gabón, Gambia, Granada, Guinea, Guinea-Bissau, Haití, Iraq, Kiribati, Rep. Democrática de

Corea, Laos, Liberia, Maldivas, Islas Marshall, Estados Fed. Micronesia, Myanmar, Níger, Rep. de Palaos,

Papúa Nueva Guinea, Sao Tome y Príncipe, Arabia Saudí, Seychelles, Sierra Leona, Islas Salomón, Somalia,

San Cristóbal y Nieves, St. Lucia, San Vicente y Granadinas, Sudan, Surinam, Togo, Tonga, Turkmenistán,

Tuvalu, Uzbekistán, Vanuatu, Palestina, Yemen y Zimbabue.

Fuente: elaboración propia con datos del Banco Mundial (2011) y CAD (2011c)



Finalmente, en lo que respecta a la distribución sectorial de la AOD-CT, en el cuatrienio

2005-2008 tres cuartas partes de los recursos globales se concentraron en cuatro sectores

(Cuadro 2.7): dos relativos a la formación de competencias avanzadas (enseñanza

superior, con más de la mitad de los recursos, y formación profesional, con el 8,6%), otro

relativo a la investigación agrícola (6,7%, constituyendo el principal ámbito de

investigación financiado por los donantes) y finalmente un agregado sectorial de educación

y capacitación multisectorial (6,2%, que incluye los programas de becas de formación

avanzada). En cambio, las actividades orientadas a favorecer la innovación en las empresas

(formación técnica, gestión avanzada y capacitación comercial) reciben una atención

mucho menor. En todo caso, la distribución sectorial de los recursos sigue un patrón

temporal relativamente estable, no habiendo variado apenas entre los dos cuatrienios

consecutivos analizados (2001-2004 y 2005-2008), lo que confirma el interés prioritario de

los donantes por financiar actividades de enseñanza superior, formación profesional,

investigación agrícola y programas de becas.

Cuadro 2.7. Distribución sectorial de la AOD-CT. 2001- 2004 y 2005-2008

2001-2004 2005-2008 Millones $ % Millones $ %

Total AOD científica-tecnológica ($) 22.416,906 100 32.052,317 100 11182: Investigación en Educación 61,332 0,274 167,901 0,524 11330: Formación Profesional 1.861,578 8,304 2.760,670 8,613 11420: Enseñanza Superior 12.902,573 57,557 16.374,523 51,087 11430:Formación técnica y gestión avanzada 941,491 4,200 614,786 1,918 12181: Educación y formación Médica 375,161 1,674 343,580 1,072 12182: Investigación Médica 489,244 2,182 1324,884 4,134 12261: Educación sobre salud 246,777 1,101 226,923 0,708 12281: Perfeccionamiento del personal sanitario 197,709 0,882 268,239 0,837 13081: Formación de personal en asuntos de población y

salud reproductiva 11,473 0,051 38,730 0,121 14081:Educación y capacitación sobre suministro de agua y

saneamiento 149,296 0,666 168,479 0,526

16062: Fomento de la capacidad estadística 311,350 1,389 475,183 1,483 21081: Educación y capacitación sobre transporte y

almacenamiento 11,089 0,049 37,543 0,117

23081: Educación y capacitación sobre energía 55,149 0,246 111,903 0,349 23082: Investigación Energética 15,798 0,070 54,924 0,171 24081: Educación y capacitación sobre servicios bancarios y

financieros 43,456 0,194 124,362 0,388

31166: Extensión Agrícola 567,920 2,533 1.201,554 3,749 31181: Educación y capacitación sobre agricultura 231,582 1,033 390,794 1,219 31182: Investigación agrícola 997,415 4,449 2.157,459 6,731



2001-2004 2005-2008 Millones $ % Millones $ %

31281: Educación y capacitación forestal 36,154 0,161 36,132 0,113 31282: Investigación forestal 77,754 0,347 67,609 0,211 31381: Educación y capacitación pesquera 73,293 0,327 43,814 0,137 31382: Investigación pesquera 72,453 0,323 46,199 0,144 32182: Investigación y desarrollo tecnológico 184,420 0,823 429,459 1,340 33181: Educación y capacitación comercial 33,144 0,148 89,958 0,281 41081: Educación y capacitación sobre medio ambiente 237,177 1,058 263,990 0,824 41082: Investigación ambiental 310,718 1,386 590,362 1,842 43081:Educación y capacitación multisectorial 898,165 4,007 1.996,360 6,228

43082: Instituciones científicas y de investigación 1.023,236 4,565 1.645,999 5,135 Cálculos realizados sobre los compromisos acumulados de AOD-CT en 2001-2004 y 2005-2008 (dólares

constantes de 2008).

Fuente: elaboración propia con datos de CAD (2011c)

Esta información sectorial se complementa con los resultados del estudio realizado por

Farley (2007) sobre las orientaciones de la AOD-CT de 14 donantes, que revela que la

mayoría de los proyectos y programas se destinan a mejorar las capacidades nacionales de

innovación (grupo 2 de acuerdo con la clasificación mostrada anteriormente en el (Cuadro

2.4), seguido de los programas de apoyo para crear vínculos internacionales, norte-sur y

sur-sur (grupo 3), y de las iniciativas para investigación en bienes públicos (grupo 1)17. En

cambio, las iniciativas integradas (grupo 4) son minoritarias, y sólo el Banco

Interamericano de Desarrollo y el Centro Internacional de Investigaciones para el

Desarrollo financian esta orientación.


La innovación y el acceso al conocimiento son elementos decisivos para los procesos de

desarrollo económico. La globalización facilita tanto la expansión del conocimiento a

escala global como su potencial impacto sobre los niveles de vida de la humanidad. No

obstante, a pesar de los formidables avances logrados por el conocimiento humano, la

sociedad del siglo XXI tiene aún pendiente garantizar un acceso equitativo a los beneficios

17 El estudio de Farley (2007) analiza 170 iniciativas emprendidas en PED por ocho donantes bilaterales (Reino Unido, Canadá, Dinamarca, Noruega, Suecia, Suiza, EEUU y la Unión Europea), cuatro donantes multilaterales (Banco Asiático de Desarrollo, Banco Interamericano de Desarrollo, UNESCO y Banco Mundial) y dos fundaciones privadas (Carnegie Corporation y Rockefeller Foundation).



de la innovación de manera tal que se expandan las oportunidades de progreso a todos los

pueblos. Así, resulta paradójico que sólo una mínima parte de los esfuerzos internacionales

en ciencia y tecnología se centren en atender los retos del desarrollo humano mundial. En

buena medida, este problema se debe a la desigual distribución de las capacidades de

innovación entre las regiones del mundo, y al hecho de que los SNI de los PED presentan

múltiples deficiencias que limitan su positivo impacto sobre los procesos de desarrollo.

Aunque desde la década de 1990 la mayoría de los PED han registrado un fuerte progreso

tecnológico, existe aún una importante “brecha tecnológica” que separa a los países

desarrollados de los PED. Estas desigualdades justifican el impulso de iniciativas

internacionales de cooperación en el ámbito de la ciencia y la tecnología. En este contexto,

las políticas internacionales de cooperación CT pretenden promover el progreso

tecnológico, científico e innovador de los PED, siendo su objetivo primordial crear SNI

sólidos, sensibles a las necesidades particulares de desarrollo de cada país, y que amplíen

las capacidades de innovación del mundo en desarrollo. En suma, las políticas de

cooperación CT apuestan por una estrategia “inclusiva” de desarrollo internacional “desde

la innovación”, que pretende expandir las oportunidades de progreso de los pueblos a

través de la difusión y el aprovechamiento del conocimiento.

Concretamente, el análisis estadístico realizado sobre los flujos de AOD-CT canalizados

por los países del CAD y los organismos multilaterales de desarrollo arroja los siguientes

siete resultados principales:

1. Desde finales de la década de 1990 las políticas de cooperación CT han cobrado

mayor protagonismo en el sistema de ayuda, hasta representar en 2008 el 5,6% de

la AOD global, si bien la evolución de los recursos muestra una excesiva

volatilidad (especialmente desde 2003), que puede afectar negativamente a la

eficacia de las intervenciones y que revela problemas de coordinación y

planificación temporal de las intervenciones.

2. Las percepciones de AOD-CT per capita también han incrementado entre 1998 y

2008, multiplicándose por cinco hasta alcanzar los 1,56 dólares por persona.



3. En el reparto de la AOD-CT global entre las distintas regiones del mundo en

desarrollo, Asia y África reciben —cada una— casi uno de cada tres dólares de

estas ayudas (en consonancia con sus posiciones como principales receptoras de

AOD del mundo). Por sub-regiones, África Subsahariana se ubica como la primera

receptora.

4. La distribución de los recursos de AOD-CT per capita revela la existencia de un

marcado sesgo a favor de las regiones menos pobladas. De este modo, mientras

Oceanía recibe más de 62 dólares por persona, los demás continentes reciben

cantidades inferiores a los 13 dólares (especialmente bajas son las percepciones de

la población más numerosa del Planeta, los asiáticos).

5. La aportación de la AOD-CT al PNB del mundo en desarrollo es relativamente

limitada (aproximadamente del 0,06%). Así, en todos las regiones esta aportación

no supera el 0,2% (salvo en Oceanía, donde se confirma un sesgo a favor de las

regiones menos pobladas). Por sub-regiones, África Subsahariana y el norte de

África se ubican muy por delante del resto de áreas, siendo marcadamente reducida

la participación de la AOD-CT en el PNB de las distintas regiones americanas y

asiáticas.

6. La distribución geográfica de la AOD-CT resulta —en términos agregados—

progresiva, en tanto que los PED menos adelantados tecnológicamente tienden a

recibir más ayudas. A falta de un análisis más profundo sobre la eficacia

macroeconómica de estas ayudas, se puede concluir que el enfoque redistributivo

de los recursos contribuye positivamente al paulatino estrechamiento de la brecha

tecnológica. No obstante, debe alertarse que existen países que escapan a esta regla

general y reciben cuotas de AOD-CT muy inferiores a las que les correspondería en

términos de sus bajas capacidades innovadores y sus elevados pesos poblacionales

(por ejemplo, Bangladesh, Filipinas, Nigeria y Pakistán).

7. Respecto a la distribución sectorial (que presenta un patrón temporal relativamente

estable), tres cuartas partes de los recursos se concentra en cuatro sectores: dos

relativos a la formación de competencias avanzadas (enseñanza superior, con más



de la mitad de los recursos, y formación profesional), otro relativo a la

investigación agrícola (principal ámbito de investigación financiado por los

donantes) y un agregado sectorial de educación y capacitación multisectorial (que

incluye los programas de becas de formación avanzada). En cambio, las actividades

orientadas a favorecer la innovación en las empresas (formación técnica, gestión

avanzada y capacitación comercial) reciben una atención mucho.


CAPÍTULO 3 ESPECIFICACIÓN DEL MODELO DE IMPACTO DE

LA AYUDA CIENTÍFICO-TECNOLÓGICA

3.1. Introducción

3.2. El debate sobre el impacto de la ayuda en el crecimiento

3.3. Modelo analítico de impacto de la ayuda científico-tecnológica sobre el desarrollo

3.4. Procedimiento de estimación econométrica

3.5. Variables

3.6. Muestra de países y estructura temporal

The art of the econometrician consists in finding the set of assumptions that are both

sufficiently specific and sufficiently realistic to allow him to take the best possible

advantage of the data available to him.

Malinvaud, E. (1966), Statistical Methods of Econometrics, Rand McNally, Chicago, pág.

514.



3.1. Introducción

A continuación se especifica un modelo analítico de los mecanismos potenciales de

impacto de la ayuda sobre el crecimiento económico de los PED, distinguiendo dos

modalidades de ayuda: los recursos destinados al desarrollo de capacidades de innovación

(ayuda científico-tecnológica) y el resto de la ayuda. En concreto, el objetivo es evaluar el

impacto macroeconómico de la ayuda científico-tecnológica, y no tanto estimar un modelo

de crecimiento económico o un modelo del impacto de la ayuda agregada (sin distinción de

modalidades). No obstante, para captar cabalmente la relación ayuda-crecimiento es

preciso integrarla en el marco más amplio del proceso de crecimiento e incorporar las

principales fuerzas (y limitantes) del proceso de progreso (especialmente la innovación que

es, en última instancia, la capacidad a cuya expansión pretende contribuir la ayuda

científico-tecnológica). De modo contrario, las estimaciones se verían sesgadas por la

omisión de variables relevantes y por la insuficiente capacidad explicativa del modelo.

Para tal fin, después de esta introducción, en el segundo epígrafe se revisa brevemente el

debate académico sobre la eficacia macroeconómica de la ayuda internacional. En la

tercera sección se propone un modelo teórico de impacto de la AOD-CT sobre el

crecimiento económico de los PED, adaptado a las particularidades de este tipo de ayudas

y basado en la nueva teoría de crecimiento. En cuarto lugar se explica el procedimiento de

estimación econométrica mediante un modelo de regresión dinámico con datos en panel.

En el quinto epígrafe se explican las variables utilizadas para estimar el modelo. En la

última sección se detalla la población objeto de estudio y se explica la estructura temporal

del panel datos.

3.2. El debate sobre el impacto de la ayuda en el crecimiento

La cuestión de la si la ayuda oficial al desarrollo impulsa el crecimiento económico de los

PED ha sido ampliamente analizada desde 1960. Este tipo estudios se inscriben dentro del

debate más amplio sobre las fuerzas que impulsan el crecimiento –que se analizó en el

capítulo 1–, entendiéndose que la ayuda internacional puede contribuir al progreso

económico del mundo en desarrollo.

Capítulo 3. Especificación del modelo de impacto de la ayuda científico-tecnológica


La exhaustiva revisión de la literatura sobre eficacia de la ayuda realizada por Hansen y

Tarp (2000) estableció una clasificación –comúnmente aceptada y utilizada– de los

estudios en torno a tres generaciones dependiendo del marco teórico y de los métodos de

estimación econométrica utilizados. Por motivos de claridad explicativa, en esta sección se

utilizará la clasificación canónica de Hansen y Tarp para resumir la evaluación de esta

literatura.1

La primera generación de estudios de eficacia de la ayuda parte del modelo de crecimiento

económico Harrod-Domar (Harrod, 1939; Domar, 1946) para explicar la contribución de la

ayuda internacional al proceso de crecimiento de los PED. El modelo Harrod-Domar

sostiene que la capacidad de crecimiento de un país depende de su oferta de trabajo y de su

stock de capital. Este modelo supone que existe abundancia en la oferta de trabajo, por lo

que el crecimiento está limitado únicamente por la disponibilidad y la productividad del

capital. Por lo tanto, solamente habría crecimiento si se transforma el ahorro en inversión,

facilitándose así la acumulación del capital. En este contexto, la ayuda externa se concibe

como un instrumento de financiación adecuado para complementar la escasa capacidad de

ahorro e inversión de los PED.

Este modelo de una única brecha de financiación (la brecha del ahorro) fue posteriormente

ampliado por Chenery y Strout (1966) y su “modelo de dos brechas”. Chenery y Strout

criticaron que el modelo Harrod-Domar se centraba únicamente en la relación ahorro-

inversión y capital-trabajo, dejando aparte otros factores de igual importancia, como el

comercio exterior, los cambios en la composición de la demanda y la asignación de

recursos. Así, en los PED es tan importante la brecha de ahorro como la brecha existente

entre la capacidad de generación de divisas de las exportaciones y la creciente demanda de

las mismas requerida para sufragar las necesidades de importación que acompañan a los

procesos de crecimiento económico. En este contexto, la ayuda se concibe como una

fuente de financiación que trata de cerrar esta doble brecha que limita las posibilidades de

crecimiento de los PED.

1 Pueden consultarse revisiones de esta literatura en McGillivray et al. (2006), Alonso (2009) y Tezanos (2010).



Con este marco teórico, el estudio empírico pionero de Paul Rosentein-Rodan (1961)

sostuvo que la ayuda internacional debe contribuir a cerrar la “brecha de ahorro” que limita

las oportunidades de progreso de los PED. En el medio y largo plazo, la ayuda debe

contribuir a generar una dinámica de crecimiento “autosostenida” por la capacidad propia

ahorro nacional, sin necesidad de ayuda externa. De acuerdo con sus estimaciones,

Rosentein-Rodan sostuvo que los países más industrializados de la época (incluyendo a la

URSS) debía canalizar un 1% de sus PIB en forma de ayuda a los PED para generar el

“empujón” necesario para el despegue de sus economías.

Continuando con este marco teórico, distintos estudios empíricos recurrieron al análisis de

regresión múltiple para contrastar si la ayuda contribuía efectivamente a impulsar el ahorro

(o la inversión) de los países que la recibían. Los resultados empíricos obtenidos se

alejaron, no obstante, de la “visión optimista” de la ayuda que sostuvieron Rosenstein-

Rodan, Chenery y Strout. Así, los estudios de Griffin y Enos (1970), Gupta (1970) y

Papaneck (1973) estimaron coeficientes negativos para la relación ayuda-ahorro, lo que se

interpretó como un “síntoma” de desplazamiento de la capacidad de ahorro de los países

receptores como consecuencia de la ayuda. Otros estudios (como Grifin, 1970) sostuvieron

que muchos recursos de ayuda se perdían en burocracias y elites sociales en los países

receptores, por lo que la ayuda no alcanzaba sus objetivos, generándose un problema serio

de “fungibilidad” que limitaba el estudio del impacto de la ayuda sobre el crecimiento.

La segunda generación de estudios partió del mismo marco teórico que la primera (modelo

de las brechas de financiación), pero analizaron la relación directa entre ayuda e inversión,

sin considerar previamente la relación ayuda-ahorro. Así, por ejemplo, las regresiones

realizadas por Mosley (1980) y Mosley et al. (1987) consideraron los diferentes

componentes de la financiación de la inversión (ahorro doméstico, ayuda externa y otros

flujos externos de capital) y revelaron un positivo impacto de la ayuda. Por su parte,

Papanek (1973) constató que las diferentes fuentes de financiación de la inversión

explicaban más de un tercio del crecimiento y, en concreto, que el impacto de la ayuda

sobre la tasa de crecimiento era mayor que los impactos de otros flujos de capital. En suma

–según Hansen y Tarp (2000)– de esta segunda generación de estudios se pueden extraer

dos resultados principalmente: se confirma la existencia de un vinculo positivo entre ayuda

e inversión (en línea con los resultados obtenidos en la primera generación de estudios) y,



para aquellos países en los que el ahorro se encuentra relacionado con el crecimiento,

existe también una relación positiva entre ayuda y crecimiento.

En todo caso, la fundamentación teórica de las dos primeras generaciones de estudios de

eficacia de la ayuda ha sido fuertemente criticada. Entre otros, Easterly (2003) denuncia

que los modelos de brechas de la financiación han ejercido una excesiva influencia en las

prácticas de gestión de los organismos multilaterales a pesar de su inadecuación para

explicar la realidad de los países en desarrollo: “[…] los aumentos de la inversión no son

una condición ni necesaria ni suficiente para crecer en el corto o medio plazo” (Easterly,

2003, p. 38). Y ello es así porque existen muchas formas de aumentar la producción, como

la adaptación de nuevas tecnologías, el capital humano y el capital organizativo. Esta

multiplicidad de factores hace que la relación entre crecimiento e inversión sea muy débil.

Para ilustrar su crítica, Easterly (2003) calcula el ingreso per capita que, de acuerdo con el

modelo Harrod-Domar, debería tener Zambia después de 30 años de recepción de ayuda

internacional. Así, según este modelo, el ingreso per capita de un zambiano medio debería

ser hoy en día de 20.000 dólares frente a los escasos 600 dólares de la realidad.

La tercera generación de estudios de eficacia de la ayuda ha tratado de superar la limitada

capacidad de los modelos de las brechas de financiación para explicar los problemas del

subdesarrollo. Con respecto a las dos anteriores, esta nueva generación de estudios

incorpora avances relevantes tanto en la delimitación del marco teórico, como en la

estimación econométrica, dejando atrás la justificación de la ayuda en relación con las

brechas macroeconómicas de financiación. Así, buena parte de los estudios recientes

incorporan los avances de la teoría del crecimiento endógeno, como una alternativa a los

modelos utilizados en los primeros estudios de eficacia (modelo Harrod-Domar y modelo

de dos brechas de Chenery-Strout) y enfatizan otras variables más allá del capital fijo,

como la tecnología, el capital humano, los bienes intermedios, el capital social, el capital

empresarial y las instituciones. Por otro lado, las estimaciones econométricas utilizan

información estadística más completa, realizan análisis de regresión con datos en panel,

consideran la posible endogeneidad de la ayuda (y de otras variables explicativas) y



modelizan una relación no-lineal entre ayuda y crecimiento, como consecuencia de la

existencia de rendimientos marginales decrecientes en la ayuda2.

La ecuación utilizada para estas estimaciones parte de la desarrollada por Barro (1991) en

sus estudios de los factores del crecimiento, en los que la teoría “sugiere” las variables

explicativas, pero la selección se ve —en buena medida— condicionada por la

disponibilidad de información estadística3. Los modelos estimados tienen como expresión

general:

ti

K

ktiktitilk

LK

lk

L

ltiltitititi uXARRAAyG ,

1,,,,

,

111

,2,2,1,21, 0

log +++++++= ∑∏∑=

===

λϕγββαα [1]

Siendo Gi,t la tasa de crecimiento de la renta per capita del país i entre los años t0 y T;

yi,t0 la renta per capita en el año inicial; Ai,t la ayuda (como porcentaje de la renta nacional)

en el año t; Ri,t un vector de variables condicionantes de la ayuda; y, por último, Xi,t un

vector de otras variables explicativas del crecimiento.

En este contexto, la publicación del trabajo de Burnside y Dollar (2000 y 2004) reactivó el

debate académico sobre la eficacia de la ayuda. Estos autores —vinculados al grupo de

investigación del Banco Mundial— fueron pioneros al valorar la existencia de una serie de

circunstancias específicas de cada país socio que condicionan el impacto sobre el

crecimiento finalmente logrado por la ayuda. En este sentido los estudios de Burnside y

Dollar defienden que el crecimiento de los PED depende positiva y significativamente de

la calidad de las políticas públicas, y que la ayuda sólo es eficaz cuando los países la

combinan con buenas políticas macroeconómicas. De este resultado se desprende que la

eficacia agregada del sistema de ayuda aumentaría si los donantes “seleccionaran” a los

países socios con mejores registros de gobernabilidad.

2 Distintas razones explican la existencia de rendimientos marginales decrecientes en la ayuda: la existencia del denominado “síndrome holandés” (generado por la excesiva entrada en un país de divisas extranjeras), la escasa capacidad de absorción de recursos extranjeros del país receptor, y la destrucción institucional que puede motivar la dependencia de la ayuda (Dudley y Montmarquette, 1976). 3 Véase, por ejemplo, Barro (1991). En el caso de los estudios de eficacia de la ayuda, es frecuente encontrar artículos que estiman ecuaciones de regresión sin discutir primero la fundamentación teórica del modelo.



A pesar de la influencia que ha obtenido el “enfoque de selectividad” defendido por

Burnside y Dollar, distintos estudios han cuestionado la robustez de sus estimaciones. Así,

el estudio de Hansen y Tarp (2001) confirmó la existencia de rendimientos marginales

decrecientes y detectó que la ayuda es eficaz por si sola, con independencia de los

resultados de otras políticas que pueda aplicar el país. Este mismo resultado sobre la

“incondicionalidad” en el efecto positivo de la ayuda sobre el crecimiento se obtiene en los

trabajos de Durbarry et al. (1998), Lensink y White (2000 y 2001) y Dalgraard y Hansen

(2001).

No obstante, no todos los estudios recientes estiman una relación positiva entre ayuda y

crecimiento. Por ejemplo, los exhaustivos ejercicios de regresión de Rajan y Subramanian

(2005a y 2005b) concluyen que no existe una relación consistente entre ayuda y

crecimiento; es más, estos autores alertan de la posible existencia de “efectos adversos” de

la ayuda del tipo “síndrome holandés”.

En el siglo XXI han surgido numerosos estudios que han explorado la existencia de

distintas variables “condicionantes” del impacto de la ayuda (Cuadro 3.1). Unos han

puesto el foco de interés en las características de las economías receptoras y otros en las

prácticas de gestión de los propios donantes. En conjunto, sugieren la existencia de

diversos "escenario en los que la ayuda “parece” haber sido más eficaz (Tezanos, 2010).



Cuadro 3.1. Estudios de eficacia de la ayuda de la tercera generación

Condicionantes del

impacto de la ayuda

Escenarios en los que la ayuda

“puede” ser más eficaz Autores y variables de análisis

Según las

características de las

economías receptoras

Cuando los países socios

disponen de instituciones de

calidad

- Burnside y Dollar (2004): respeto de las

libertades políticas y civiles e imperio de la

ley.

- Chauvet y Guillaumont (2004): estabilidad

del sistema político.

- Durbarry et al (1998): estabilidad

macroeconómica.

- Svensson (1999) y Kosack (2002):

prácticas democráticas.

Cuando existen efectos

desfavorables para el

crecimiento

- Guillaumont y Chauvet (2001): efectos

climáticos adversos.

- Collier y Dehn (2001), Guillaumont y

Chauvet (2001), Chauvet y Guillaumount

(2004) y Collier y Goderis (2008): existencia

de shocks comerciales negativos.

Cuando los países socios

sufren desventajas

estructurales

- Dalgraad et al., (2004): ubicación

geográfica del país entre los trópicos.

En escenarios de post-

conflicto

-Collier y Hoeffler (2004): escenarios post-

conflicto.

Según las prácticas de

gestión de los países

donantes

Volatilidad de la ayuda

-Levy (1987), Lensink y Morrissey (2000),

Bulir y Hamman (2003 y 2008), Hudson y

Mosley (2008) y Tezanos et al. (2009):

volatilidad de la ayuda.

Descoordinación entre

donantes

-Tezanos et al. (2009), Djankov et al.,

(2009) y Gibson et al. (2005): existencia de

múltiples donantes en un país socio.

Preponderancia de los

intereses de la política exterior

-Minoiu y Reddy (2009): patrones de

asignación geográfica de la ayuda.

Fuente: Adaptado de Tezanos (2010)

Finalmente, cabe añadir una línea “incipiente” de investigación, que cabría considerar

como una cuarta generación de estudios de eficacia de la ayuda. Estos estudios consideran

la posibilidad de que, dada la heterogeneidad de los flujos de ayuda, disímiles



"modalidades" de ayuda ejerzan efectos diferentes sobre el crecimiento. De esta manera, el

estudio pionero de Clemens et al. (2004) examinó la eficacia de la "ayuda a corto plazo"

(es decir, los recursos de ayuda que posiblemente podrían estimular el crecimiento en el

corto plazo, incluyendo el apoyo presupuestario, las inversiones en infraestructura y las

ayuda a los sectores productivos, como agricultura e industria). Sus estimaciones revelan

un impacto económico y estadísticamente significativo de la ayuda a corto plazo (de hecho,

el coeficiente estimado es entre dos y tres veces mayor que el estimado en los estudios que

analizan la ayuda agregada). Además, los estudios de Ouattara y Strobl (2008) y Annen y

Kosempel (2009) evaluaron la eficacia de la "ayuda técnica", bajo el supuesto de que este

tipo de ayudas estimula la acumulación de capital humano y facilita la transferencia de

conocimiento; sin embargo, estos dos estudios obtuvieron resultados opuestos: el primero

afirma la ineficacia de estas ayudas, y el segundo afirma su eficacia. Por último, Tezanos et

al. (2012) estudiaron la eficacia de las donaciones y los préstamos de ayuda en América

Latina y el Caribe, y constataron que si bien ambas modalidades son económica y

estadísticamente significativas, el impacto de los préstamos concesionales parece haber

sido mayor que el impacto de las donaciones.

En suma, la falta de resultados de consenso sobre la eficacia macroeconómica de la ayuda

se debe a la existencia de una serie de factores que dificultan las estimaciones. Entre otros

factores identificados por Tezanos (2010), cinco especialmente importantes son: i) el

carácter endógeno de la ayuda, que dificulta la estimación y limita la validez de los

resultados; ii) la “fungibilidad” de la ayuda, que supone que los países receptores tengan

cierta capacidad de manejo discrecional de la ayuda; iii) la priorización de los intereses de

política exterior de los donantes en la distribución geográfica de la ayuda, lo que en

ocasiones contradice los objetivos oficialmente declarados de desarrollo; iv) el impacto de

la ayuda sobre el crecimiento se ve contrarrestado por la generación de efectos

macroeconómicos adversos (límites a la capacidad de absorción productiva de recursos

externos, alteración de los incentivos fiscales del Gobierno, “síndrome holandés” o

deterioro de la calidad institucional); y v) las estimaciones no resultan robustas en parte

porque la ayuda no es un factor “fundamental” para el crecimiento (ya que los flujos de

ayuda suponen una contribución muy limitada para la mayoría de los PED), y en parte

porque los flujos de ayuda son muy heterogéneos y es posible que distintas modalidades de



ayuda (por ejemplo, ayuda científico-tecnológica, ayuda humanitaria, asistencia técnica,

etc.) generen impactos diferentes sobre el crecimiento.

3.3. Modelo analítico de impacto de la ayuda científico-tecnológica sobre

el desarrollo

Siguiendo el estudio seminal explicado anteriormente de Robert Barro (1991) sobre los

determinantes del crecimiento económico y su comportamiento en el largo plazo, a

continuación se propone un modelo de crecimiento que permite examinar los mecanismos

potenciales de impacto de la ayuda científico-tecnológica sobre el desarrollo económico de

los PED. Desde esta perspectiva se asume que la tasa de variación del ingreso per capita,

Gi,t, del país i entre los años t0 y T depende de su nivel inicial de ingreso per capita (yi,t0) y

de un vector de k variables que determinan el estado estacionario (Xki,t), según la ecuación:

k

ktiiti tiXyG

,0,, δβα ++= [2]

donde αi es el efecto fijo asociado al país i. De acuerdo con esta especificación, el

parámetro β indica la existencia de convergencia condicional entre los PED (esto es, la

denominada β-convergencia, siempre y cuando se satisfaga la condición β<0)4. Los

parámetros δk indican los efectos de k-factores determinantes del crecimiento a largo plazo.

Obviamente, la clave para dotar de capacidad explicativa al modelo reside en la

composición del vector de crecimiento, Xki,t, que, al objeto de captar cabalmente la relación

entre ayuda científico-tecnológica, innovación y crecimiento, definimos, para cada i y t,

como:

tinoCT

tiCT

tiCTCT

tikti ZARAIAAIX

titititi ,65,4,32,1, ,,,,δδδδδδ ++⋅+⋅++= [3]

Siendo:

Ii,t Capacidad de innovación del país i.

4 Véase Garcimartín (2007) para un análisis crítico de las regresiones de convergencia.



ACTi,t Ayuda científico-tecnológica.

ACTi,t∙Ii,t Interacción entre la ayuda científico-tecnológica y la capacidad de

innovación.

ACTi,t∙Ri,t Interacción entre la ayuda científico-tecnológica y las variables relativas a

las características de las economías receptoras que condicionan el impacto

de la ayuda.

AnoCTi,t Ayuda no destinada a innovación.

Zi,t Vector de otras variables explicativas del crecimiento.

De este modo, el modelo descrito en la ecuación [3] permite explicar la relación que la

innovación y la ayuda científico-tecnológica tienen con el crecimiento:

• δ1 mide la elasticidad relativa de la innovación respecto del crecimiento.

• δ2 y δ3 miden las elasticidades relativas respecto del crecimiento de dos

modalidades distintas de ayuda: la ayuda científico-tecnológica y el resto de la

ayuda (no científico-tecnológica). Así, el modelo permite la existencia de

coeficientes diferentes de impacto para ser coherente con los dispares objetivos de

estos tipos de ayudas5. La estimación de los parámetros δ2 y δ3 permite comparar

los impactos potenciales de los dos tipos de ayudas y, así, guiar la elección del

reparto óptimo de los recursos. Se trata de un asunto relevante para las economías

en desarrollo en tanto que la ayuda científico-tecnológica, de revelarse eficaz (es

decir, si δ2 >0), contribuye a potenciar las capacidades de innovación, que son,

5 Véase capítulo 2, las ayudas científico-tecnológicas consisten en “[…] un conjunto de actividades que pretenden promover el progreso tecnológico, científico e innovador de los PED. Nueve son los objetivos principales que se persiguen: i) crear SNI [sistemas nacionales de investigación] sólidos en los PED; ii) transferir el conocimiento y la tecnología, y ponerlos al servicio de las necesidades del desarrollo humano de cada país; iii) formar y capacitar recursos humanos en materia científico-tecnológica; iv) facilitar la movilidad internacional de los investigadores; v) facilitar el aprendizaje tecnológico; vi) crear infraestructuras y capacidades institucionales de I+D+i; vii) sensibilizar al conjunto de la sociedad sobre la relevancia de la ciencia, la tecnología y la innovación; viii) satisfacer las demandas nacionales de innovación de cada PED, para contribuir a eliminar los principales cuellos de botella del desarrollo, aportando soluciones específicas a los problemas que afectan directamente a las necesidades socio-económicas (por ejemplo, en materia de salud, vivienda, educación, servicios públicos y medio ambiente); y ix) recuperar conocimientos tecnológicos locales.”



precisamente, la principal fuente del crecimiento según la literatura científica

especializada.

• δ3 mide la interacción entre la capacidad de innovación de un país y la ayuda

científico-tecnológica que recibe. Si δ3<0, la ayuda científico-tecnológica tiene

mayor impacto en los países menos innovadores, lo que respalda el uso de estas

ayudas para contribuir a cerrar la brecha mundial de las disímiles capacidades de

innovación. En cambio, si δ3>0, entonces la ayuda científico-tecnológica es más

eficaz en los PED innovadores.

• δ4 mide la interacción entre la eficacia de la ayuda científico-tecnológica y las

variables que condicionan el impacto de la ayuda en los países receptores (por

ejemplo, gobernabilidad, shocks económicos y desventajas estructurales). Si δ4>0,

la ayuda científico-tecnológica resulta más eficaz cuanto mayor es el valor de la

variable condicionante; si δ4<0, entonces la interacción entre ambas variables es

negativa.

• δ6 mide el impacto directo de otros factores relevantes para el crecimiento de las

economías en desarrollo, tales como el buen gobierno, el capital humano, la

igualdad y la dotación de recursos naturales.

3.4. Procedimiento de estimación econométrica

La estimación del modelo de eficacia de la ayuda científico-tecnológica definido en las

expresiones [2] y [3] se realiza mediante el siguiente modelo de regresión con datos en

panel:

tik

tiiti tiXyG ,0,, ,

µδβα +++=

[ ] [ ] [ ] 0,,

,,

===

+=

tiitii

tiiti

EEE µαµα

µαε [4]



Donde el término de error (εi,t) es suma de dos componentes ortogonales: los efectos fijos

asociados a cada país (αi) y el efecto ideosincrático (μi,t).

Los modelos de regresión dinámicos con datos en panel son útiles tanto para incorporar

retardos de la variable dependiente como para resolver problemas de endogeneidad de

alguna de las variables explicativas. En estos casos se incluye en el modelo como variable

independiente un primer retardo (o incluso algunas veces más retardos) de la variable

dependiente. De manera que el modelo es ahora:

, 0 11

K

i t it k kit itk

Y y X uβ η β−=

= + + +∑ [5]

Donde k= 1,…, K variables independientes de interés, i= 1,…N unidades sociales y t =

1,…,T observaciones en el tiempo. La variable yt es endógena, yt-1 es la variable endógena

retardada un periodo en el tiempo, Xk son las variables explicativas o exógenas cuyos

retardos se pueden también incluir en el modelo causal, y uit es el término de error del

modelo. Esta especificación econométrica permite resolver el problema de obtener errores

correlacionados entre sí mediante la estimación por Mínimo Cuadrados Ordinarios (MCO).

Además el hecho de que yt-1 se incluya en el modelo permite controlar por el efecto que los

valores previos de la variable endógena tienen en el valor presente, y de esta manera,

mejora la precisión de la estimación. El coeficiente η asociado a yt-1 representa la tasa de

descuento, es decir, la tasa de decremento del efecto de valores pasados yt-1.

Este modelo se utiliza a menudo en los análisis de datos de panel sin prestar atención a

algunos de los problemas más graves de esta técnica (Pérez, 2006). En primer lugar, tal y

como sucede con los estimadores MCO, los estimadores de modelos con retardos de la

variable dependiente suelen ser inestables y pueden tomar valores diferentes según la

submuestra que se analice. Segundo, aún a pesar de la inclusión de yy-1 en el modelo, no se

está necesariamente solucionando el problema de la autocorrelación serial. Es necesario

considerar la posibilidad de incluir un proceso autorregresivo para el comportamiento del

error. Finalmente, la estimación con retardos de la variable endógena es una fuente

importante de sesgo que dificulta, en muchas ocasiones, la estimación del modelo. Esto

sucede porque se viola uno de los supuestos básicos del modelo de regresión: la ausencia



de correlación entre las variables explicativas de un modelo uniecuacional dinámico y su

término error. La variable retardada aparece en la parte derecha de la ecuación y además

está correlacionada con el término de error, es aleatoria y no determinista como son el resto

de variables explicativas. Incluir yt-1 en la parte derecha de la ecuación, dado que está

correlacionada con el término de error, dificulta considerablemente la estimación del

modelo.

En el caso concreto del presente análisis, algunas variables del modelo pueden no ser

estrictamente exógenas (es decir, que están correlacionadas con realizaciones pasadas, y/o

actuales, del término de error), lo que incumpliría los supuestos del modelo clásico de

regresión lineal y sesgaría las estimaciones. Este es el caso de las dos modalidades de

ayuda consideradas, cuya distribución geográfica puede estar negativamente relacionada

con los ritmos de crecimiento de los países socios, lo que revela un problema de

endogeneidad en la relación ayuda-crecimiento. De manera análoga, otras variables

explicativas (la renta per capita inicial, la gobernabilidad y los shocks económicos)

pueden no ser estrictamente exógenas, ya sea porque presentan un doble sentido de

causación con la variable dependiente (por ejemplo, la relación crecimiento-

gobernabilidad), o porque están relacionadas con otras variables explicativas (por ejemplo,

la renta per capita inicial y la ayuda, en la medida en que los países con menores ingresos

“deberían” recibir mayores cantidades de ayuda).

Según Tezanos et al. (2009, pág. 16) […] “para resolver este problema deben aplicarse

métodos de estimación consistentes ante la presencia de efectos fijos por país y variables

independientes endógenas. Generalmente se recurre a modelos de regresión con variables

instrumentales con el fin de sustituir las variables no exógenas por otras que, estando

correlacionadas con éstas, resulten ortogonales al término de error”. Los modelos de

regresión dinámicos con datos en panel se estiman mediante el método generalizado de

momentos (GMM) propuesto inicialmente por Arellano y Bond (1991), que es un caso

especial de estimación por variables instrumentales en el que el sistema de ecuaciones e

instrumentos está sobre-identificado. Su ventaja reside en el uso de instrumentos



“internos”, basados en los retardos de las variables instrumentadas, lo que ha dado mejores

resultados de estimación que los métodos usuales de instrumentalización6.

La estimación GMM es adecuada en el caso de modelos con paneles de datos cuando: a) el

número de observaciones temporales (T) es reducido y el número de observaciones

transversales (N) es elevado; b) existen variables independientes que no son estrictamente

exógenas; c) hay efectos fijos individuales; y, d) existe heteroscedasticidad y

autocorrelación entre las observaciones de un mismo país (pero no entre observaciones de

distintos países). Según Roodman (2009, pág. 13), los estimadores GMM forman parte de

una “[…] tendencia en la práctica econométrica hacia el desarrollo de estimadores que

requieren menos supuestos sobre el proceso de generación de datos y que usan técnicas

más complejas para discernir la información relevante”.

En análisis de regresión de esta Tesis Doctoral se emplea el sistema de estimación GMM

sugerido por Arellano y Bover (1995) y Blundell y Bond (1998), en vez del formulado por

Arellano y Bond (1991)7 de GMM en diferencias, que transforma el modelo en primeras

diferencias para eliminar los efectos no observados y fijos, e instrumenta las variables

explicativas que no son estrictamente exógenas a través de una matriz de condiciones de

momentos, además puede aparecer un problema de “debilidad de los instrumentos

utilizados”, que consiste en cambios de magnitud y signos esperados de los coeficientes de

estimación. En cambio, el sistema GMM, combina dos conjuntos de ecuaciones, por un

lado emplea la ecuación original (en niveles) y, por otro un sistema de ecuaciones que

6 Generalmente, los estudios de eficacia han instrumentalizado la ayuda mediante variables que caracterizan los patrones de asignación geográfica de los donantes, utilizando modelos que combinan variables relativas a las “necesidades de los receptores” y a los “interés de los donantes” (Tezanos, 2008a). Este procedimiento resulta problemático, puesto que los instrumentos utilizados no se han revelado ni especialmente correlacionados con la variable instrumentada (y, por tanto, no constituyen instrumentos “ideales”), ni son perfectamente ortogonales a la variable dependiente (por ejemplo, las variables de necesidad de ayuda no son estrictamente exógenas respecto de la tasa de crecimiento). Además, los intereses de política exterior de los países donantes no explican convenientemente la asignación geográfica de la ayuda multilateral (ayuda que sí computamos en la AOD-CT aquí analizada). 7 Otros estudios de eficacia de la ayuda han estimado paneles dinámicos: unos mediante el GMM en diferencias (Hansen y Tarp, 2001; Dalgraad et al., 2004; Clemens et al., 2004; Chauvet y Guillaumont, 2004; Rajan y Subramanian, 2005a; Roodman, 2007; Heady, 2008; y Djankov et al., 2009), y otros mediante el sistema GMM (Tezanos et al., 2009 y 2012).



elimina la correlación con los efectos fijos, lo que permite emplear un mayor número de

instrumentos, y, por tanto, mejora considerablemente la eficiencia de la estimación8.

El modelo se estima mediante el software econométrico STATA, implementándose tres

comandos que optimizan la estimación: i) errores estándar de White, que son robustos ante

heteroscedasticidad arbitraria para un mismo país9; ii) restricción de la matriz de

instrumentos, creándose un instrumento para cada variable y distancia de retardo, en vez de

un instrumento para cada periodo, variable y distancia de retardo, lo que, en muestras

pequeñas reduce el sesgo que surge cuando el número de instrumentos se aproxima (o

supera) el número de observaciones; y, iii) estimaciones en dos pasos, aplicándose la

corrección para muestras finitas de Windmeijer (2005), que evita el sesgo por defecto de

los errores estándar. Finalmente, para comprobar si la estimación del sistema GMM es

apropiada, realizamos los contrastes de hipótesis de Sargan y Hansen de restricciones

sobre-identificadas, y el test de Arellano-Bond de autocorrelación del término de error

ideosincrático (autocorrelación que, de existir, anularía la validez de utilizar los retardos

como instrumentos).

3.5. Variables

Se han utilizado proxies para estimar el modelo enunciado en las ecuaciones [3] y [4] y así

trata de maximizar la disponibilidad de los datos (reduciéndose el sesgo de selección debido

a la omisión no aleatoria de información10), y de evitar la redundancia informativa (que

ocasionaría problemas de multicolinealidad). Los cuadros 3.2 y 3.3 ofrecen los estadísticos

8 Los ejercicios de simulación de Kiviet (1995), Blundell y Bond (1998) y Hsiao et al. (1999) demuestran que los estimadores obtenidos mediante el GMM en diferencias son sesgados en muestras finitas por dos razones: primero, por la presencia de autocorrelación en los términos de error en muestras finitas y con muchas condiciones de momentos; y segundo, porque cuando el coeficiente de la variable autorregresiva está muy cercano a 1 (es decir, cuando la serie es altamente persistente o cercana a un proceso de raíz unitaria), el parámetro no se puede identificar usando las condiciones de momentos para las ecuaciones de primeras diferencias. En estos casos, las simulaciones muestran que el GMM en diferencias ofrece estimaciones sesgadas por defecto, especialmente cuando T es pequeño (Blundell y Bond, 1998). 9 Es decir, se asume que las observaciones son independientes entre países, si bien los errores de un mismo país no son necesariamente independientes a lo largo del tiempo. 10 Los países más pobres carecen frecuentemente de información estadística, por lo que su exclusión del análisis sesgaría sistemáticamente las estimaciones. Por esta razón es importante utilizar un conjunto de variables explicativas ampliamente disponibles en estos países.



descriptivos e información detallada de las fuentes y los procedimientos de elaboración de

las variables.

Cuadro 3.2. Descripción de las variables y fuentes de información

Variable Código de variable

Descripción Fuente

Tasa media de variación del PIB per capita

G Precios constantes, dólares de EEUU, base año 2000.

Banco Mundial (2011)

ln (PIB per capita)

ln PIBpc0 Logaritmo neperiano del PIB per capita del año inicial. Precios constantes, dólares de EEUU, base año 2000.


Artículos Artículos Número de artículos científicos por cada 100 habitantes.


ln (AODCT) ln AODCT

Logaritmo neperiano del porcentaje que sobre el total del PIB representa la suma de los compromisos de AOD-CT del total de donantes en cada periodo. Precios constantes, dólares de EEUU, base año 2000.

CAD (2011)

Gobernabilidad Gobernabilidad

Media aritmética de seis dimensiones de buen gobierno: i) voz y rendición de cuentas, ii) estabilidad política y ausencia de violencia, iii) efectividad gubernamental, iv) calidad regulatoria, v) estado de derecho, y vi) control de la corrupción.

Kaufmann, Kraay y Mastruzzi (2011)

Volatilidad del comercio

Volcom

Términos de intercambio: porcentaje que representa el índice de precios de exportación sobre el índice de precios de importación (año 2000=100)


Tropical Tropical Proporción sobre la superficie total del área territorial de un país ubicada dentro de los trópicos.

Gallup, Sachs y Mellinger (1999)

ln (AODnoCT) ln AODnoCT

Logaritmo neperiano del porcentaje que sobre el total del PIB representa la suma de los compromisos de AOD no CT del total de donantes en cada periodo. Precios constantes, dólares de EEUU, base año 2000.

CAD (2011)

Capital humano Kh Media aritmética del número de años de educación alcanzado entre las personas mayores de 25 años.

Banco mundial (2011)

Gini Gini Media geométrica de los valores del índice de Gini para cada país en el periodo considerado.




Variable Código de variable

Descripción Fuente

Exportaciones de petróleo

Expetrol Exportaciones de petróleo sobre el total de exportaciones de mercancías.


Inflación Inflación Tasa de inflación. Banco Mundial (2011)

Las tasas medias de variación del PIB per capita se calculan mediante la fórmula general:

( ) 100100

×−−tTtT yy , donde

0ty e Ty son, respectivamente, los valores de la correspondiente

variable en los periodos inicial y final.

Los promedios de las variables para cada país en cada cuatrienio se calculan mediante la

media geométrica por ser una medida de posición más adecuada en el tratamiento de ratios

e índices y, sobre todo, por ser menos sensible que la media aritmética a la existencia de

valores atípicos o extremos. La excepción a esta regla son las variables de gobernabilidad y

capital humano, que al no estar expresadas como tasas, se calculan las correspondientes

medias aritméticas.

Cuadro 3.3. Estadísticos descriptivos

Variable Obs. Media Desviación

típica Min. Max.

G

Total 183 1,8287 1,9476 -5,7961 8,5477

Entre 63 1,7671 -2,4056 8,5477

Intra 1,3815 -1,8403 6,2448

lnPIBpc0

Total 183 7,0420 1,0819 4,6731 9,2583

Entre 63 1,1069 4,8181 9,1380

Intra 0,0936 6,7943 7,3203

Artículos

Total 183 0,5862 0,2655 0,009 10,9092

Entre 63 0,2648 0,0207 6,9830

Intra 0,1342 -3,3400 4,5124

AODCT

Total 183 0,1756 0,2655 0,0007 1,9104

Entre 63 0,2648 0,0014 1,0621

Intra 0,1341 -0,7245 1,0758

ln AODCT

Total 183 -2,8513 1,7027 -7,2456 0,6473

Entre 63 1,7034 -6,7214 0,0312

Intra 0,6142 -5,3897 -1,1395



Variable Obs. Media

Desviación

típica Min. Max.

AODCT · Artículos

Total 183 0,0445 0,0899 0,0001 0,7814

Entre 63 0,0708 0,0001 0,3863

Intra 0,0491 -0,1983 0,4396

AODCT ·

Gobernabilidad

Total 183 -0,0760 0,1950 -2,2434 0,1254

Entre 63 0,1811 -1,1721 0,0377

Intra 0,1217 -1,1473 0,9953

AODCT · Volcom

Total 183 18,7955 30,4775 0,0952 233,7459

Entre 63 31,6980 0,1628 132,1072

Intra 14,8829 -90,2940 127,8849

AODCT · Tropical

Total 183 14,1311 24,4775 0,0000 191,0367

Entre 63 24,8196 0,0000 101,0172

Intra 12,7275 -75,8884 104,1506

AODnoCT

Total 183 5,2930 7,4722 0,0005 52,2513

Entre 63 7,0265 0,0009 29,5311

Intra 2,7611 -17,4271 28,0132

ln AODnoCT

Total 183 0,3368 2,1177 -7,6646 3,9561

Entre 63 2,1641 -7,2067 3,2475

Intra 0,3920 -1,2793 2,2076

Gobernabilidad

Total 183 -0,3143 0,4147 -1,4490 0,8243

Entre 63 0,3957 -1,2270 0,6725

Intra 0,1370 -0,8981 0,4260

Kh

Total 183 1,4314 0,6151 0,1992 4,1162

Entre 63 0,6376 0,2345 3,5581

Intra 0,1658 0,7603 2,6662

Gini

Total 183 45,6722 7,9283 30,13 61,7800

Entre 63 7,4700 30,6788 58,5138

Intra 2,1440 37,9084 52,5897

Expetrol

Total 183 11,6156 21,0033 0,0000 94,5871

Entre 63 22,7763 0,0000 94,5871

Intra 3,8381 -5,0592 36,6309

Inflación

Total 183 11,7956 21,7611 0,3855 254,0078

Entre 63 11,3048 0,6624 68,2105

Intra 17,8202 -51,4828 197,5929



- Variable dependiente

Se emplea la variable dependiente habitual en los estudios sobre eficacia de la ayuda y

sobre crecimiento económico: la tasa media de variación del PIB per capita en cada

cuatrienio analizado (G).

- Variables independientes

La β-convergencia se calcula mediante el logaritmo neperiano del PIB per capita del año

inicial, para cada cuatrienio analizado (lnPIBpc0).

La capacidad de innovación (Ii,t) se aproxima mediante el número de artículos científicos

publicados por cada 100 habitantes (artículos), esperándose una relación positiva con el

ritmo de crecimiento. Este indicador es uno de los recomendados por el Manual de

Frascati de la OCDE (2002) para la medición de la capacidad de innovación de los

países11. La puesta en común a nivel internacional de procedimientos y definiciones para la

evaluación de la capacidad de innovación ha resultado poco exitosa. Según Spinak (2011),

esta situación se debe principalmente a que las herramientas que han sido aceptadas para

evaluar la producción científica de algunos países, no son suficientes, ni adecuadas para

evaluar la ciencia y tecnología en los países menos desarrollados. En lo que sí se ha

llegado a un consenso dentro de la comunidad científica, en general, es que la principal

unidad de análisis para evaluar la investigación son las publicaciones científicas, por su

disponibilidad y objetividad.

Los flujos de ayuda se analizan mediante la AOD canalizada a los PED por los organismos

multilaterales de desarrollo y por los donantes bilaterales (del CAD y otros países donantes

que no son miembros de este Comité pero que sí reportan información). Los datos se

extraen de la base CRS (Creditor Reporting System) del CAD (2011) y se utilizan los

“compromisos” de AOD por tratarse de la información disponible más completa y

rigurosa12. 11 El Manual de Frascati define e identifica las categorías de las actividades de Investigación y Desarrollo (I+D), y constituye la referencia básica para determinar las actividades de I+D. 12 La cuantía de la ayuda se puede expresar en función de los compromisos asumidos por el donante o de los desembolsos (netos o brutos) finalmente realizados; los compromisos se definen como una “obligación firme,



Las dos variables de ayuda (AODCT y AODnoCT) se transforman mediante el logaritmo

neperiano por dos razones: para reducir la heterocedasticidad y la dispersión entre las

observaciones, y para linealizar la relación entre ayuda y crecimiento13.

Para computar los recursos de AOD-CT se utiliza la definición propuesta por UNCTAD

(2007), que identifica 28 sectores (de acuerdo con la clasificación sectorial del CAD) que

se integran en dos modalidades principales de ayudas: “ayudas para la investigación y el

desarrollo tecnológico” (agrícola, forestal, pesquera, educativa, sanitaria, energética y

medioambiental) y “ayudas para la adquisición de competencias avanzadas y específicas”

(formación profesional, enseñanza superior, fomento de capacidades estadísticas, extensión

agraria y varios tipos de formación referida a sectores sociales, productivos y comerciales).

Esta clasificación engloba, por tanto, las iniciativas de cooperación orientadas al desarrollo

de competencias avanzadas de los recursos humanos y a la creación de infraestructura

institucional para la investigación científica y el desarrollo tecnológico.

En relación con el vector de variables condicionantes del impacto de la ayuda en los países

receptores (Ri,t ), se utilizan tres proxies para analizar su efecto interactivo con la ayuda:

La calidad institucional de los países receptores, asumiéndose que la ayuda

resulta más eficaz en aquellos países con contextos políticos e institucionales

“saludables”. Este supuesto es heredero de los estudios pioneros de eficacia de la

ayuda realizados por el Grupo de Investigación sobre el Desarrollo del Banco

Mundial (Burnside y Dollar, 2000 y 2004), que sostienen que el impacto sobre el

expresada por escrito y respaldada por los fondos necesarios” (CAD, 2011a), mientras que los desembolsos son los “registros reales de la transferencia internacional de recursos financieros”. En todo caso, el CAD no recomienda utilizar la información que facilita la base de datos CRS sobre los desembolsos de ayuda anteriores al año 2002, debido a su escasa cobertura, inferior al 60% de las actividades de AOD. A partir de este año la cobertura asciende al 90% y alcanza el 100% de 2007 en adelante. En cambio, la cobertura de la información sobre compromisos es muy superior: del 70% en 1995, del 90% en 2000 y del 100% a partir de 2003.

13 La relación entre ayuda y crecimiento no es lineal debido a la existencia de rendimientos marginales decrecientes en la ayuda. Distintos estudios empíricos han verificado la concavidad de la relación ayuda-crecimiento, desde el estudio temprano de Dudley y Montmarquette, (1976), hasta los estudios más recientes de Hansen y Tarp (2001), Lensink y White (2001), Collier y Dollar (2002) y Clemens et al. (2004).



crecimiento depende de las buenas prácticas políticas de los PED. De acuerdo con

la revisión de Tezanos (2010) sobre la literatura de eficacia de la ayuda, los

estudios recientes sugieren que la ayuda ha resultado especialmente eficaz —ceteris

paribus— cuando los países socios disponen de instituciones de calidad. En este

sentido, las características institucionales —entendidas en un sentido amplio— que

se han revelado importantes para la eficacia de la ayuda son: el respeto de las

libertades políticas y civiles, y el imperio de la ley (rule of law) (Burnside y Dollar,

2004); la estabilidad del sistema político (Chauvet y Guillaumont, 2004); la

estabilidad macroeconómica (Durbarry et al., 1998); y las prácticas democráticas

(Svensson, 1999; Kosack, 2002).

En la presente Tesis Doctoral se emplean indicadores de gobernabilidad

desarrollados por Kaufmann, Kraay y Mastruzzi (2011), que ofrecen información

completa en torno a seis dimensiones de la gobernabilidad: i) voz y rendición de

cuentas, ii) estabilidad política y ausencia de violencia, iii) efectividad

gubernamental, iv) calidad regulatoria, v) estado de derecho, y vi) control de la

corrupción. Los indicadores de gobernabilidad se construyen mediante la

metodología de los componentes no observados y su distribución está centrada en

cero y tiene una dispersión aproximada de ± 2,5, lo que permite agregar varias

dimensiones en un solo indicador. Concretamente, se agregan las seis dimensiones

de buen gobierno a través de la media aritmética (Gobernabilidad).

Los shocks económicos, se asume que la ayuda puede resultar especialmente

eficaz “suavizando” los efectos adversos sobre el proceso de crecimiento. En este

estudio se evalua los shocks comerciales (como hicieron Collier y Dehn, 2001;

Guillaumont y Chauvet, 2001; Chauvet y Guillaumont, 2004; y Collier y Goderis,

2008), utilizando como proxy la evolución de los términos de intercambio

(porcentaje que representa el índice de precios de exportación sobre el índice de

precios de importación) (Volcom).

La existencia de desventajas estructurales que limitan las oportunidades de

progreso, se asume que el impacto de la ayuda puede resultar especialmente alto en

países con este tipo de desventajas. En este estudio se emplea la proxy utilizada por



Dalgraad et al. (2004): proporción de la superficie territorial de un país ubicada

dentro de los trópicos (Tropical).

En relación con el vector de otras variables explicativas del crecimiento (Zi,t), se utilizan

cuatro proxies adicionales:

La calidad institucional y de gobierno, que influye positivamente en el

crecimiento económico (Kaufmann y Kraay, 2002; Kaufmann, Kraay y Mastruzzi,

2009; Alonso y Garcimartín, 2008). De nuevo se utiliza como proxy la variable de

Gobernabilidad antes descrita14.

El capital humano de los países receptores, se asume una contribución

positiva al ritmo de crecimiento (De la Fuente y Doménech, 2006 y Lucas, 1988).

Esta variable se aproxima mediante el promedio de años de educación alcanzado

por las personas mayores de 25 años (Kh).

Las desigualdades, que afectan negativamente al crecimiento económico

(Easterly, 2002)15, y que se evalúan a través del índice Gini de desigualdad de

rentas (Gini).

La dotación de recursos naturales, que se asume que afecta negativamente a

la tasa de crecimiento, tal y como predice la denominada hipótesis de la “maldición

de los recursos naturales” (Sachs y Warner, 1999; Bravo-Ortega y De Gregorio,

2005; Leite y Weideman, 2002; e Isham et al., 2005). En este trabajo se aproxima

esta variable mediante la tasa de exportaciones de petróleo respecto del total de

exportaciones de mercancías (Expetrol).

La inestabilidad macroeconómica, que incide negativamente en el

crecimiento (Fischer, 1993). Como proxy se utiliza la tasa de inflación (Inflación).

14 Nótese que esta variable actúa simultáneamente como condicionante del impacto de la ayuda (véase parámetro δ4 de la ecuación [5]) y como factor endógeno de crecimiento (parámetro δ8). 15 Véanse revisiones de la literatura sobre la relación entre crecimiento e igualdad en Alonso (2005) y Domínguez (2009).



En suma, la ecuación de regresión tiene la siguiente expresión:

+⋅+++= tiCTCT

tititi ArtículosAODAODArtículosPIBpcGtiti ,32,1,, ,,

ln0ln δδδβ

[6]

+⋅+⋅+⋅+ tiCT

tiCT

tiCT TropicalAODVolcomAODidadGobernabilAOD

tititi ,6,5,4 ,,,δδδ

titinoCT InflaciónExpetrolGiniKhidadGobernabilAOD

ti ,1211,10987 ,ln εδδδδδδ +−−−+++

En este modelo de regresión hay ocho variables que pueden no ser estrictamente exógenas:

la renta per capita inicial, la AOD-CT, la gobernabilidad, los shocks económicos y las

cuatro variables interactivas de la AOD-CT. Por eso, la estimación del modelo requiere

verificar la exogeneidad de estas variables y, para aquellas que no se revelen estrictamente

exógenas, instrumentalizarlas adecuadamente. En todo caso, puesto que expandir el

número de instrumentos resulta en estimaciones ineficientes, se aplica la regla práctica

propuesta por Roodman (2008 y 2009) de limitar el número de instrumentos al número de

países incluidos en el análisis16.

Finalmente, la estimación incluye dummies temporales para reducir el grado de

autocorrelación entre los países y el término de error ideosincrático, lo que facilita la

robustez de los estimadores (Roodman, 2009).

3.6. Muestra de países y estructura temporal

La población objetivo incluye a los 162 PED que recibieron AOD en alguno de los 16 años

incluidos en nuestro periodo de análisis (1993-2008), de acuerdo con la base CRS del

CAD. No obstante, 99 países son finalmente excluidos del análisis por no disponer de la

información necesaria17. Los 63 países y 183 observaciones finalmente analizados se

detallan en el Anexo 5.

16 En este caso, se dispone de 63 países y se emplea un número muy inferior de instrumentos, 22. 17 Se trata de países con menos de un millón de habitantes, en su mayoría islas (Antigua y Barbuda, Bahrein, Bermudas, Brunei, Cabo Verde, Comoras, Dominica, Tuvalu, Kiribati, Macao, Nueva Caledonia, Islas Marshall, Aruba, Barbados, Bahamas, Guyana, Malta, Micronesia, Polinesia Francesa, Palau, Santo Tomé y Príncipe, Seychelles, Islas Salomón, San Cristóbal y Nieves, Santa Lucía, San Vicente y las Granadinas, Tonga, Trinidad y Tobago, y Vanuatu), países de los que apenas se dispone de información estadística (por ejemplo, Afganistán, Cuba, Fiyi, Haití, Papua Nueva Guinea, Madagascar, Mauricio, Corea del Norte,



La literatura de eficacia de la ayuda ha recurrido frecuentemente a la composición de

paneles de datos consistentes en cuatrienios o quinquenios consecutivos, con la mayor

parte de las variables promediadas en esos periodos. Se trata de un procedimiento

alternativo a las regresiones de crecimiento “tipo Barro” con promedios temporales más

largos, en las que se afronta un problema de atribución del efecto de la ayuda. En última

instancia, la elección entre lapsos de cuatro o cinco años no ha sido empíricamente

justificada y resulta, por lo tanto, arbitraria. Se opta por utilizar cuatrienios, por ser la

opción más frecuentemente utilizada, y porque maximiza la dimensión temporal de la

muestra.

Respecto a la elección del periodo de estudio, 1993-2008, se utiliza el periodo más largo

posible con información completa de los flujos de AOD-CT que reporta la base de datos

del CAD.

Guinea Ecuatorial, Irak y Timor Oriental), países cuya independencia no ha sido reconocido oficialmente (Palestina) y regiones autónomas vinculadas a otro Estado (Puerto Rico y Hong Kong).


CAPITULO 4 RESULTADOS DEL MODELO DE IMPACTO DE LA


4.1. Introducción

4.2. Resultados del modelo de impacto de la ayuda científico-tecnológica

4.3. Análisis de la robustez de la estimación

4.3.1. Problemas de multicolienalidad

4.3.2. Problemas de heteroscedasticidad y autocorrelación




4.1. Introducción

Como se explicó en el primer capítulo, uno de los resultados más robustos y unánimes de

la investigación económica aplicada es precisamente que la innovación es el principal

determinante del progreso económico de las naciones. Por eso, sorprende constatar que los

estudios sobre la eficacia macroeconómica de la ayuda internacional nunca han

considerado el impacto que tienen las ayudas destinadas a desarrollar las capacidades de

innovación de los (PED), a pesar de que su impacto potencial es especialmente elevado.

Lo cierto es que entre 1993 y 2008 la relación existente entre la capacidad de innovación

de los países (aproximada mediante el número de artículos científicos publicados por cada

100 habitantes) y su ritmo de crecimiento económico parece haber sido positiva, si bien

existe una elevada dispersión entre las observaciones (Gráfico 4.1). En cambio, la Ayuda

Oficial al Desarrollo para Ciencia y Tecnología (AOD-CT) muestra una relación lineal

negativa con el crecimiento, lo que revelaría un aparente escenario de “ineficacia” de este

tipo de ayudas (Gráfico 4.2). Sin embargo, estos resultados preliminares de regresión se

ven sesgados por el hecho de que los PED con menores ritmos de crecimiento han recibido

mayores cuotas de AOD-CT, precisamente porque la ayuda internacional pretende

contribuir especialmente al desarrollo de los países con mayores dificultades. La ayuda

científico-tecnológica es, por tanto, una variable “endógena” que presenta un doble sentido

de relación con el crecimiento.

Capítulo 4.Resultados del modelo del impacto de la ayuda científico-tecnológica


Gráfico 4.1. Relación entre capacidad de innovación y crecimiento económico. 1993-2008

-15

-10

-5

0

5

10

15

20

0 5 10 15 20 25 30 35 40 45

Crec

imien

to de

l PIB

pc

Artículos por 100 habitantes 1993-1996 1997-2000 2001-2004 2005-2008

y=0.0513x + 1.801R2=0.0038

Fuente: CAD (2011) y Banco Mundial (2011). Elaboración propia.

Gráfico 4.2. Relación entre AOD-CT y crecimiento económico. 1993-2008

-15

-10

-5

0

5

10

15

20

0 1 2 3 4 5 6

Crec

imie

nto

del P

IB p

c

AOD-CT/PIB (%)1993-1996 1997-2000 2001-2004 2005-2008

y=-0.1017x+1.8948R2=0.0004

Fuente: CAD (2011). Elaboración propia.



Después de esta introducción, en el segundo epígrafe de este capítulo se ofrecen los

resultados obtenidos del modelo de impacto de la AOD-CT sobre el ritmo de crecimiento

de los PED. Dado que la estimación de un modelo de eficacia de la AOD-CT plantea

problemas econométricos, en el tercer epígrafe se verifica la robustez de las estimaciones.

Finalmente, el cuarto epígrafe resume las principales conclusiones del estudio y ofrece

propuestas de política económica para aumentar la eficacia de la las políticas públicas de

cooperación internacional para el desarrollo.

4.2. Resultados del modelo de impacto de la ayuda científico-

tecnológica

En términos agregados, la ayuda para la ciencia y la tecnología ha ejercido un impacto

positivo y estadísticamente significativo sobre la tasa de crecimiento del PIB per capita de

los PED en el periodo 1993-2008, como revela el coeficiente estimado para la AOD-CT

(Cuadro 4.1). Más concretamente, de acuerdo con las estimaciones, un incremento de un

1% en las donaciones de AOD-CT puede elevar la tasa de crecimiento en torno a 0,007

puntos porcentuales1. Aunque pueda parecer un impacto limitado, en realidad, se trata de

un efecto relevante, teniendo en cuenta que la aportación de la AOD-CT al PIB de los

países de la muestra es muy limitada, suponiendo aproximadamente el 0,18% (ver Cuadro

4.2.). Además, este resultado no tiene en cuenta otros factores determinantes de la eficacia

de la ayuda (como la buena gobernanza, las crisis económicas y las desventajas

estructurales). En cambio, el modelo estima un coeficiente positivo, pero estadísticamente

no significativo, para el resto de la ayuda (es decir, los recursos no destinados a

innovación).

1 Dado que la ayuda está expresada en logaritmos, la interpretación del efecto de la ayuda sobre la tasa de crecimiento requiere dividir entre 100 el coeficiente estimado δ2, lo que refleja el aumento de la tasa de crecimiento (en puntos porcentuales) que genera un incremento relativo de un 1% en la variable ayuda (Gujarati, 2003, cap.6).



Cuadro 4.1. Estimación del modelo de eficacia de la ayuda científico-tecnológica

Coeficientes

Errores estándar corregidos

t P>|t| [Intervalo de confianza 95%]

lnPIBpc0 1,520177 0,709696 2,14 0,032 0,129199 2,911155 Artículos 0,277259 0,143243 1,94 0,053 -0,003494 0,558011

lnAODCT 0,661223 0,353439 1,87 0,061 -0,031504 1,353950

AODCT · Artículos -6,213506 3,163518 -1,96 0,050 -12,41389 -0,01312

AODCT·Gobernabilidad 2,208733 1,908986 1,16 0,247 -1,532811 5,950277

AODCT ·Volcom 0,010722 0,009868 1,09 0,277 -0,008619 0,030063

AODCT ·Tropical -0,006159 0,019658 -0,31 0,754 -0,044688 0,032370

lnAODnoCT 0,093359 0,142966 0,65 0,514 -0,186849 0,373567

Gobernabilidad 0,092372 1,395625 0,07 0,947 -2,643003 2,827746

Kh -0,39696 0,636809 -0,62 0,533 -1,645083 0,851162

Gini -0,131204 0,062656 -2,09 0,036 -0,254008 -0,008400

Expetrol -0,020073 0,016875 -1,19 0,234 -0,053147 0,013001

Inflacion -0,004165 0,009344 -0,45 0,656 -0,022479 0,014149

Tests de post-estimación (p-valores) χ2 (22, 63) = 0,000 Sargan = 0,976

Hansen = 0,964 Arellano-Bond AR(1) = 0,004 Arellano-Bond AR(2) = 0,893 Muestra: Nº observaciones = 183 Nº de grupos (países) = 63

Nº periodos: 4 cuatrienios (1993-1996, 1997-2000, 2001-2004, 2005-2008)

Obs. por grupo: min = 1 promedio = 2,9 max = 4

Nº de instrumentos = 22

Instrumentos para las ecuaciones del sistema GMM: lnPIBpc0, Gobernabilidad y AODCT·Gobernabilidad

(retardos (2/.), variables endógenas).

Estimación GMM de sistema en dos etapas, con errores estándar y covarianzas de White consistentes

ante heteroscedasticidad, matriz de instrumentos colapsada y corrección de Windmeijer para muestras

finitas. Se incluyen dummies temporales en todas las regresiones; p-valores entre paréntesis. Véase

cuadro 3.1. para explicación de las variables.

Además, el término interactivo entre AOD-CT e innovación también resulta

estadísticamente significativo, con un coeficiente estimado negativo. Este resultado es



especialmente interesante, en tanto que sugiere que el impacto de la ayuda-CT puede ser

mayor en los países con menores capacidades de innovación, lo que justificaría un mayor

énfasis en la asignación de estos recursos a dichos países.

Respecto a las características de las economías receptoras que condicionan el crecimiento

económico, dos se muestran estadísticamente significativas: de una parte, la capacidad de

innovación influye positivamente en el crecimiento, de tal modo que —de acuerdo con la

estimación— un incremento de un 1% en el número de artículos científicos publicados por

el país (por cada cien habitantes) genera un estímulo de más de 0,28 puntos porcentuales

en la tasa de crecimiento, lo que respalda el argumento de que la innovación es el principal

determinante del progreso económico.

De otra parte, las desigualdades de rentas actúan en detrimento del progreso económico,

hasta el punto de que un aumento de un 1% en el índice de Gini detrae, aproximadamente,

0,13 puntos porcentuales de la tasa de crecimiento. Este resultado puede deberse a que las

desigualdades son generadoras de males públicos (como el crimen, la violencia y la

inseguridad), que coartan las posibilidades de inversión y crecimiento de un país

(Fajnzylber et. al., 1998), y a que las desigualdades limitan la capacidad productiva de una

economía como consecuencia de la exclusión de las personas pobres del mercado de

crédito, lo que les impide financiar proyectos empresariales que les permitan salir de la

pobreza. Además, en promedio, las personas pobres tienen un mayor número de hijos, lo

que dificulta la inversión en educación y hace más difícil la salida de la pobreza,

“perpetuando” los problemas de desigualdad (lo que, de nuevo, afectará negativamente al

crecimiento) (Alonso, 2005).

Finalmente, respecto a la existencia de β-convergencia, la regresión arroja un coeficiente

estimado positivo y estadísticamente significativo, lo que caracteriza un posible escenario

de divergencia (con un estimador del parámetro β aproximadamente igual a 1,64). Este

resultado se debe tanto al ritmo de crecimiento comparativamente más lento de algunos de

los países más pobres incluidos en la muestra (por ejemplo, países de rentas bajas y

medias-bajas como Burundi, Benin, Bolivia, Camerún, Costa de Marfil, El Salvador,

Nicaragua, Paquistán y Yemen), como al ritmo vertiginoso de crecimiento experimentado

en los últimos años por los países emergentes de rentas medias (China, Brasil e India), lo



que implica un ensanchamiento de la brecha de ingresos per capita en el mundo en

desarrollo.

En relación con la bondad de ajuste del modelo, el test de significatividad conjunta rechaza

rotundamente que todos los coeficientes sean simultáneamente iguales a cero (véase el p-

valor = 0 en el Cuadro 4.1). Además, los tests de Sargan y Hansen para la validez conjunta

de los instrumentos no son rechazados, al igual que sucede con el test de Arellano-Bond

para autocorrelación en el término de error idiosincrático. Consiguientemente, los

resultados de estos test de post-estimación respaldan la validez de las estimaciones.

Asimismo, la estimación ofrece un ajuste razonable, si bien existen 15 datos atípicos que

conviene analizar (Cuadro 4.2):

Cuadro 4.2. Listado de casos atípicos del panel de datos

País Periodos g

Residuos lnPIBpc0 ln AODCT AODCT AODCT·

Artículos

Artículos Gini

Belice 2005-2008 -0,1051 3,6810 -3,7860 8,2178 -2,7280 0,0653 0,0015 0,0228 54,52

Brasil 1993-1996 1,7929 -1,3612 3,1541 8,1264 -6,9346 0,0010 0,0002 0,1723 59,38

Burundi 1993-1996 -5,7961 0,0938 -5,8899 4,9631 -2,2075 0,1100 0,0001 0,0009 43,70

China 2005-2008 8,5477 3,1859 5,3618 7,2890 -3,9500 0,0193 0,0022 0,1126 41,53

Ecuador 2001-2004 3,0009 -1,1854 4,1863 7,2054 -2,6414 0,0713 0,0010 0,0145 61,78

Irán 2001-2004 3,6739 0,5690 3,1049 7,3877 -3,3969 0,0335 0,0049 0,1478 44,00

Jordania 1993-1996 0,6879 3,9372 -3,2493 7,4146 -3,4214 0,0327 0,0047 0,1434 36,00

Malasia 1993-1996 5,1572 1,1087 4,0485 8,0585 -5,6379 0,0036 0,0003 0,0830 48,52

Panamá 2005-2008 6,4176 2,9122 3,5054 8,3985 -4,3233 0,0133 0,0009 0,0683 54,93

Tailandia 1997-2000 -1,0591 1,9646 -3,0236 7,6276 -3,9411 0,0194 0,0005 0,0238 42,68

Turquía 1993-1996 -1,5433 3,2653 -4,8086 8,1874 -4,4408 0,0118 0,0013 0,1073 41,53

Turquía 2005-2008 2,0459 5,4216 -3,3757 8,4510 -3,7762 0,0229 0,0076 0,3319 42,19

Uruguay 1997-2000 -0,3154 3,1704 -3,4858 8,8540 -3,9046 0,0201 0,0024 0,1215 44,87

Uruguay 2001-2004 0,4598 3,6826 -3,2228 8,8046 -4,4757 0,0114 0,0020 0,1790 44,90

Zambia 1993-1996 -3,3528 0,1765 -3,5293 5,9104 -2,0177 0,1330 0,0012 0,0087 51,20

g∧

Notas: * Se listan los casos con | ite | > 3

g : tasa de crecimiento estimada por el modelo



i. Belice decreció al -0,1% interanual entre 2005 y 2008; sin embargo, el modelo

predice un crecimiento positivo debido, principalmente, a que el país se ubica

por encima de la renta per capita media.

ii. Brasil creció al 1,7% en el primer cuatrienio, mientras que el modelo predecía una

tasa negativa, debido a su elevado nivel de desigualdad y a su la escasa recepción

de AOD-CT. Hay que hacer mención que este país pertenece a los llamados

BRIC (siglas que se utilizan para referirse conjuntamente a Brasil, Rusia, India y

China), que tiene en común una gran población y un enorme territorio, lo que les

proporciona dimensiones estratégicas continentales y una gigantesca cantidad de

recursos naturales y, lo más importante, las enormes cifras que han presentado de

crecimiento de su PIB y de participación en el comercio mundial en los últimos

años, lo que los hace atractivos como destino de inversiones.

iii. Burundi decreció casi al 6% interanual en el primer periodo, y esto se debió al

episodio de violencia e inestabilidad política vivido en 1993, cuando se

produjeron enfrentamientos entre hutus y tutsis y fueron asesinados varios

dirigentes políticos.

iv. China creció 2,7 veces más rápido de lo estimado en el cuatrienio más reciente, con

una recepción relativamente baja de AOD-CT. Este país también pertenece a los

llamados BRIC como Brasil.

v. Ecuador también creció más rápido de lo estimado en el periodo 2001-2004, a pesar

de su limitada capacidad de innovación, su escasa recepción de AOD-CT y su

elevado nivel de desigualdad.

vi. La tasa de crecimiento de Irán en el tercer cuatrienio fue tres puntos porcentuales

más alta de lo prevista, habiendo recibido una cantidad muy limitada de AOD-

CT.

vii. Jordania creció menos de lo estimado en el periodo 1993-1996, a pesar de sus

niveles comparativamente mayores de renta per capita y, sobre todo, de

innovación.

viii. Malasia logró una tasa de crecimiento cuatro puntos porcentuales más alta de lo

prevista en el primer cuatrienio, y ello con una aportación marginal de AOD-CT

y un nivel de desigualdad ligeramente por encima de la media.

http://es.wikipedia.org/wiki/Brasil

http://es.wikipedia.org/wiki/Rusia

http://es.wikipedia.org/wiki/India

http://es.wikipedia.org/wiki/Rep%C3%BAblica_Popular_China

http://es.wikipedia.org/wiki/Poblaci%C3%B3n

http://es.wikipedia.org/wiki/Territorio

http://es.wikipedia.org/wiki/PIB

http://es.wikipedia.org/wiki/Comercio_mundial



ix. Panamá también creció por encima de lo previsto en el último cuatrienio, a pesar de

su limitada capacidad de innovación, su escasa recepción de AOD-CT y su

elevado nivel de desigualdad.

x. Tailandia decreció al -1% en el segundo periodo, mientras que el modelo predice

un crecimiento cercano al 2% como consecuencia de su nivel de renta por

encima de la media, y su reducido nivel de desigualdad. Esta discrepancia

responde a la crisis financiera asiática de 1997, que afectó severamente a

Tailandia cuando el valor del baht tailandés cayó en picado (de 25 bahts por

dólar a 56 bahts por dólar).

xi. Turquía, en el primero y en el último cuatrienios, experimentó tasas de crecimiento

más bajas de lo previsto por el modelo, a pesar de su nivel comparativamente

más elevado de renta, su elevada capacidad de innovación y su moderado nivel

de desigualdad.

xii. Uruguay también experimentó tasas de crecimiento más bajas de lo previsto por el

modelo, en los cuatrienios 1997-2000 y 2001-2004, a pesar de su nivel

comparativamente más elevado de renta, su elevada capacidad de innovación y

su moderado nivel de desigualdad.

xiii. Finalmente, Zambia decreció al -3,3% interanual en el primer cuatrienio; sin

embargo, el modelo predice un crecimiento positivo del 0,1% debido,

principalmente, a su elevada recepción de AOD-CT.

4.3. Análisis de la robustez de la estimación

La estimación de un modelo de eficacia de la ayuda científico-tecnológica –o, en términos

más generales, de un modelo de crecimiento endógeno– plantea algunos problemas

econométricos. A continuación se detallan las particularidades del diseño que garantizan

una mayor robustez de los resultados, así como las comprobaciones realizadas. En todo

caso, debe alertarse que el uso de paneles de datos en la investigación económica aplicada

aporta algunas ventajas adicionales derivadas de la combinación de informaciones de corte

transversal y de series de tiempo que “suavizan” los riesgos de estimación asociados a cada

uno de estos tipos de análisis (heteroscedasticidad y autocorrelación)2. 2 En especial, Baltagi (2001) y Hsiao (2003) identifican seis ventajas de los paneles de datos especialmente relevantes para nuestro análisis: el tratamiento de la heterogeneidad, el incremento del número de

http://es.wikipedia.org/wiki/Baht

http://es.wikipedia.org/wiki/D%C3%B3lar_estadounidense



4.3.1. Problemas de multicolinealidad

La existencia de multicolinealidad entre las variables explicativas no vulnera la insesgadez

de los estimadores, pero puede afectar seriamente la eficiencia de la estimación, al igual

que sucede si apenas existe variabilidad en la variable dependiente. Como consecuencia,

los errores serán muy elevados y las estimaciones muy sensibles a la incorporación, o a la

exclusión, de observaciones o variables adicionales (Maddala, 2000 y Gujarati, 2003).

En el presente análisis es razonable pensar que ciertas regresoras incluidas en un mismo

vector de variables explicativas puedan estar correlacionadas entre sí, puesto que tratan de

captar determinantes semejantes del crecimiento económico. Este es el caso de las

variables incluidas en los vectores R y Z de la ecuación [3] del capítulo 3. Como primera

medida preventiva de multicolinealidad, las variables han sido seleccionadas tratando de

evitar redundancias informativas. Asimismo, el elevado número de observaciones incluidas

en el análisis (183) y la alta variabilidad registrada en la variable dependiente garantizan la

eficiencia de los resultados.

En concreto, se han desarrollado dos pruebas para descartar la existencia de un problema

severo de multicolinealidad:

En primer lugar, para contrastar la sensibilidad de la estimación se estimó el modelo

omitiéndose aleatoriamente algunas observaciones, no encontrándose evidencia a favor de

la existencia de multicolinealidad3.

En segundo lugar, las correlaciones de orden cero (es decir, entre dos variables) de las

regresoras no ofrecen tampoco indicios de multicolinealidad. El Cuadro 4.3 muestra la

matriz de correlaciones del conjunto completo de variables explicativas utilizadas en el

análisis. La primera columna de datos ofrece los pares de correlación entre la variable

observaciones disponibles, la mayor variabilidad entre los datos, la menor colinealidad entre las variables, el mayor número de grados de libertad, la mayor eficiencia en las estimaciones y la minimización del sesgo que pudiera resultar de la inclusión de nuevos casos en el estudio. 3 La sensibilidad de las estimaciones a pequeños cambios en las variables y en las observaciones puede ser tanto muestra de multicolinealidad como de una incorrecta especificación del modelo (Gujarati, 2003, pág. 359).



explicada (tasa de crecimiento del PIB per capita) y cada una de las variables explicativas,

lo cual indica, de manera preliminar, el signo y la importancia de las relaciones de

asociación (sin tener en cuenta el efecto conjunto de las variables explicativas del

crecimiento). Así, las correlaciones del crecimiento son positivas y especialmente elevadas

respecto de las variables de gobernabilidad y capital humano; en cambio, las correlaciones

son negativas y elevadas respecto de la desigualdad y la inflación.

Las 13 siguientes columnas de datos muestran las correlaciones por pares de variables

explicativas, las mayores de las cuales presentan valores razonablemente bajos4. Destacan,

sin embargo, tres valores elevados:

i. La correlación entre AODCT·Volcom y AODCT·Trop (+0,909), que se debe al hecho

de que la variable tropical es invariante en el tiempo.

ii. La correlación entre Gobernabilidad y lnPIBpc0 (+0,71), debido a que los países

con mayores rentas presentan mejores registros de buen gobierno.

iii. La correlación entre AODCT y AODnoCT (+0,77), lo que revela que estas dos

modalidades de ayuda tienden a distribuirse geográficamente de la misma manera

(es decir, los países que más AOD-CT reciben tienden a ser también los que

perciben más recursos del resto de modalidades de ayuda).

No obstante, estas elevadas correlaciones no alteran significativamente los resultados de la

regresión, como puede comprobarse al correr de nuevo el modelo de regresión eliminando

sucesivamente cada una de las variables que presenta elevados coeficientes de correlación

(AODCT·Trop, Gobernabilidad y AODnoCT) (Cuadro 4.4).

4 Gujarati (2003, pág. 345) ofrece el valor tentativo de 0,8 como límite a partir del cual la multicolinealidad se convierte en un “problema grave”.

Impa

cto

de la

inno

vaci

ón y

la a

yuda

cie

ntífi

co-te

cnol

ógic

a en

los p

aíse

s en

desa

rrol

lo

Aino

a Q

uiño

nes M

onte

llano

Cua

dro

4.3.

Mat

riz d

e co

rrel

acio

nes p

or p

ares

de

las v

aria

bles

incl

uida

s en

el a

nális

is

gln

PIB

pc0

ln A

OD

CT

ln A

OD

noC

TA

OD

CT

· A

rtíc

ulos

AO

DC

T·

Gob

erna

bilid

adG

ober

nabi

lidad

AO

DC

T·

Vol

com

AO

DC

T·

Trop

ical

Art

ícul

osG

ini

Kh

Exp

etro

lIn

flaci

óng

1,00

00ln

PIB

pc0

0,07

801,

0000

ln A

OD

CT

0,04

69-0

,542

31,

0000

ln A

OD

noC

T-0

,077

5-0

,714

50,

7735

1,00

00A

OD

CT

·Art

ícul

os0,

0810

0,12

080,

3495

0,19

031,

0000

AO

DC

T·G

ober

vabi

lidad

0,07

410,

3749

-0,3

609

-0,3

116

0,01

601,

0000

Gob

erna

bilid

ad0,

1014

0,71

13-0

,237

1-0

,324

30,

1426

0,41

551,

0000

AO

DC

T·V

olco

m-0

,016

9-0

,292

90,

6317

0,41

050,

3515

-0,4

270

-0,0

694

1,00

00A

OD

CT

·Tro

pica

l-0

,059

8-0

,217

20,

5217

0,33

600,

2510

-0,2

343

-0,0

239

0,90

941,

0000

Art

ícul

os0,

0619

0,37

66-0

,247

4-0

,274

20,

1206

0,08

690,

3328

-0,1

015

-0,0

870

1,00

00G

ini

-0,2

050

0,23

20-0

,212

3-0

,175

7-0

,210

40,

1382

0,21

93-0

,145

3-0

,020

2-0

,096

41,

0000

Kh

0,17

250,

5474

-0,3

180

-0,3

552

0,23

580,

2896

0,44

65-0

,249

9-0

,396

30,

3086

-0,0

211

1,00

00E

xpet

rol

0,00

920,

1890

-0,2

737

-0,3

118

-0,1

383

0,07

430,

1816

-0,1

301

-0,1

414

-0,0

507

-0,0

998

-0,0

537

1,00

00In

flaci

ón-0

,160

3-0

,121

00,

0098

0,06

43-0

,022

6-0

,130

4-0

,228

00,

0151

0,03

44-0

,091

0-0

,091

0-0

,028

2-0

,020

11,

0000



Cuadro 4.4. Re-estimación del modelo de eficacia de la ayuda científico-tecnológica sin

incluir las variables explicativas con correlaciones elevadas

[1] [2] [3] [4]

lnPIBpc0 1,520177 (0,032)

1,510161 (0,032) 1,586129 (0,039)

1,528689 (0,031)

Artículos 0,2772586 (0,053)

0,2697485 (0,075)

0,2678725 (0,048)

0,240892 (0,084)

ln AODCT 0,6612229 (0,061)

0,6396501 (0,052)

0,6655648 (0,069)

0,7064022 (0,062)

AODCT · Artículos -6,213506 (0,050)

-5,942183 (0,033)

-6,213052 (0,047)

-6,10464 (0,048)

AODCT · Gobernabilidad 2,208733 (0,247)

2,502509 (0,106)

2,252518 (0,135)

2,358579 (0,210)

AODCT · Volcom 0,0107225 (0,277)

0,0084759 (0,441)

0,0114145 (0,252)

0,0116128 (0,234)

AODCT · Tropical -0,0061589 (0,754)

-0,0065875 (0,730)

-0,0053071 (0,787)

ln AODnoCT 0,0933586 (0,514)

0,0907501 (0,527)

0,0803285 (0,552)

Gobernabilidad 0,0923718 (0,947)

0,0835293 (0,953)

-0,0743938 (0,956)

Kh -0,3969601 (0,533)

-0,3633199 (0,549)

-0,4761187 (0,467)

-0,418962 (0,516)

Gini -0,1312041 (0,036)

-0,1327905 (0,04)

-0,136988 (0,050)

-0,128381 (0,036)

Expetrol -0,0200732 (0,234)

-0,020139 (0,235)

-0,0227506 (0,058)

-0,0232863 (0,135)

Inflación -0,0041647 (0,656)

-0,0041007 (0,666)

-0,0039629 (0,721)

-0,0041098 (0,657)

Post-estimation tests (p-values) χ2 (22,63)/(21,63)/ (19,63)/(21,63) 0 0 0 0

Sargan 0,976 0,978 0,95 0,976

Hansen 0,964 0,963 0,925 0,956

Arellano-Bond AR(1) 0,004 0,004 0,004 0,004 Arellano-Bond AR(2) 0,893 0,881 0,873 0,762 Muestra: Nº observaciones = 183 Nº de grupos (países) = 63

Nº periodos: 4 cuatrienios (1993-1996, 1997-2000, 2001-2004, 2005-2008)

Obs. por grupo: min = 1 promedio = 2,9 max = 4

Nº de instrumentos = 22

Instrumentos para las ecuaciones del sistema GMM: lnPIBpc0, Gobernabilidad y AODCT·Gobernabilidad

(retardos (2/.), variables endógenas).

Estimación GMM de sistema en dos etapas, con errores estándar y covarianzas de White consistentes ante

heteroscedasticidad, matriz de instrumentos colapsada y corrección de Windmeijer para muestras finitas. Se

incluyen dummies temporales en todas las regresiones; p-valores entre paréntesis.



4.3.2. Problemas de heteroscedasticidad y autocorrelación

El componente de corte transversal del panel de datos es posible que vulnere, en alguna

medida, el supuesto de homoscedasticidad, puesto que los PED analizados presentan

características socio-económicas muy heterogéneas. Ante este escenario, la estimación

MCO resultaría insesgada y consistente a pesar de la heteroscedasticidad, pero los

estimadores no garantizarían la mínima varianza (resultando, por tanto, ineficientes,

incluso asintóticamente). Asimismo, el componente longitudinal del panel introduce el

riesgo de que el término de error esté correlacionado con las regresoras (autocorrelación),

lo cual violaría el supuesto del modelo clásico de regresión lineal de aleatoriedad y no

correlación de los errores.

El paquete estadístico utilizado en la presente investigación (STATA) no incluye tests

específicos para verificar la existencia de heteroscedasticidad y autocorrelación en un

contexto de análisis con datos en panel, en parte debido a la mayor complejidad de estos

modelos de regresión, y en parte debido a su menor vulnerabilidad ante dichos problemas.

No obstante, STATA sí permite incorporar errores estándar robustos ante

heteroscedasticidad arbitraria, estimando la matriz de varianzas y covarianzas mediante el

método de White, que es robusto ante heteroscedasticidad para un mismo PED, aunque sin

considerar la posibilidad de correlaciones contemporáneas entre los distintos países. De

este modo, los errores estándar permiten la posibilidad de que las observaciones formen

conglomerados temporales: es decir, aunque se asume que son independientes entre países,

los errores de un mismo PED no son necesariamente independientes a lo largo del tiempo.

Además, ha de destacarse que las transformaciones logarítmicas practicadas a las dos

variables de AOD comprimen las escalas en las cuales están medidas las variables –reduce

una diferencia entre dos valores de 10 veces a una diferencia de 2 veces– y, por tanto,

suaviza los problemas de heteroscedasticidad.

En cuanto al riesgo de autocorrelación, como se explicó anteriormente, la estimación por

medio del sistema GMM permite instrumentalizar las variables que no son estrictamente

exógenas y que plantean problemas de correlación serial (este puede ser el caso de la renta

per capita inicial, la AOD-CT, la gobernabilidad, los shocks económicos y las cuatro

variables interactivas de la AOD-CT). Para comprobar si la estructura utilizada de retardos



en la estimación del sistema GMM es apropiada, realizamos los contrastes de hipótesis de

Sargan y Hansen de restricciones sobre-identificadas, y el test de Arellano-Bond de

autocorrelación del término de error ideosincrático. Los resultados obtenidos para estos

tres tests, en cada una de las regresiones realizadas, respaldan la adecuación de las

estimaciones.

Finalmente, hay que resaltar que el tamaño de la muestra analizada garantiza tanto la

eficiencia, como la consistencia, asintótica de las estimaciones antes problemas de

heteroscedasticidad y autocorrelación. En consecuencia, el análisis de la robustez del

modelo y la rigurosa selección de las alternativas de estimación más apropiadas –y

disponibles en los programas estadísticos modernos–, permiten confiar en la relevancia de

los resultados obtenidos y en su adecuación para el estudio de la eficacia de la ayuda

científico-tecnológica.


Quizás uno de los resultados más unánimes de la investigación económica aplicada es que

la innovación es uno de los principales determinantes de crecimiento económico sostenido.

No obstante, sorprende comprobar que pocos estudios han contrastado el impacto que las

ayudas científico-tecnológicas ejercen sobre el ritmo de crecimiento de los países que las

reciben. Lo cierto es que la aportación de la AOD-CT al PIB del mundo en desarrollo es

muy limitada (apenas del 18%), por lo que difícilmente se pueden esperar resultados

formidables sobre el crecimiento. Sin embargo, estas ayudas encierran un potencial

transformador relevante, en tanto que apuestan por desarrollar las capacidades científicas y

tecnológicas de los PED. Invertidas estratégicamente, pueden constituir una apuesta

“inclusiva” de desarrollo, que contribuya a potenciar las capacidades de innovación de los

países más atrasados y a cerrar la brecha mundial de la innovación.

Después de 50 años de investigación, y un centenar largo de estudios empíricos, continúa

resultando controvertido afirmar que la ayuda internacional estimule, en términos

agregados, el crecimiento económico. No obstante, la mayor parte de los estudios analizan

el impacto macroeconómico sobre el ritmo de crecimiento de los países receptores, sin

distinguir impactos potencialmente diferenciados por modalidades de ayuda. Por eso, el



objetivo de esta Tesis es cuantificar el impacto ejercido por la AOD-CT sobre la tasa de

crecimiento de la renta per capita de los PED en el periodo 1993-2008. Para ello, se

propone un modelo analítico del impacto de la ayuda científico-tecnológica sobre el

crecimiento adaptado a las características de la innovación y basado en la nueva teoría del

crecimiento.

La estimación econométrica del modelo ofrece cuatro resultados relevantes:

En primer lugar, la ayuda para la ciencia y la tecnología resulta eficaz en estimular el

crecimiento, de tal modo que un incremento de un 1% en las donaciones de AOD-CT

puede elevar la tasa de crecimiento del PIB per capita en torno a 0,007 puntos

porcentuales. En cambio, el impacto de la ayuda se “diluye” cuando consideramos el resto

de recursos no destinados a innovación, que no se revelan estadísticamente significativos.

En segundo lugar, el coeficiente de interacción AOD-CT e innovación se estima negativo,

lo que sugiere que el impacto de este tipo de ayudas puede ser mayor en los países con

menores capacidades de innovación, lo que constituye un sólido argumento a favor de

enfatizar el uso de estos recursos en los países menos innovadores. Por lo tanto, si la AOD-

CT es eficaz, y además resulta especialmente eficaz en los países con menores capacidades

de innovación, este tipo de ayudas pueden resultar oportunas para cerrar la brecha de la

innovación mundial. Este argumento se ve respaldado –como se estudió en el capítulo 2–

por el hecho de que la distribución geográfica de la AOD-CT ha sido moderadamente

progresiva (atendiendo más que proporcionalmente a los países menos innovadores), lo

que permite concluir que este enfoque “redistributivo” podría contribuir positivamente al

paulatino estrechamiento de la brecha tecnológica si se incrementaran los recursos

destinados a la cooperación científico-tecnológica.

En tercer lugar, respecto a las características de las economías receptoras que condicionan

el crecimiento económico, dos se muestran estadísticamente significativas: de una parte, la

mejora de las capacidades de innovación estimulan el crecimiento, lo que confirma que la

innovación es el principal determinante del progreso económico. En cambio, las

desigualdades de rentas constituyen una importante rémora para el crecimiento, ya sea

generando males públicos (crimen, violencia e inseguridad) que coartan las posibilidades



de inversión y crecimiento de un país (Fajnzylber et. al., 1998) o limitando la capacidad

productiva de la economía como consecuencia de la exclusión de las personas pobres de

los mercados de crédito (Alonso, 2005).

Finalmente, el análisis sugiere que las fuertes disparidades existentes entre los ritmos de

progreso de los PED se traducen en un lento proceso de divergencia en niveles de renta per

capita, de tal suerte que los países más pobres han tendido a crecer más lentamente y

algunos de los PED más avanzados (especialmente las “economías emergentes”) han

crecido vertiginosamente. De este modo se ensancha la brecha que separa a los países de

ingreso bajo y medio-bajo, de los países de ingreso medio-alto, lo que respalda la tesis de

los autores que sostienen que las desigualdades internacionales de rentas no se han

reducido en las últimas décadas (Milanovic, 2006a y b). Dado que los flujos de AOD-CT

son muy exiguos, el impacto es muy limitado y por lo tanto no consiguen contrarrestar el

proceso divergencia de los países. Sería conveniente aumentar los flujos de AOD-CT a los

países más pobres al objeto de revertir este proceso. Así, la AOD debe contribuir a

rectificar esta dinámica, no sólo a través de un mayor desembolso de recursos (lo que

resulta poco probable en el corto plazo, dado el actual contexto de crisis y fuerte ajuste

presupuestario que viven los países donantes de la OCDE), sino también adaptando las

modalidades de ayuda a las especificidades socio-económicas de cada país socio para

lograr un mayor impacto agregado sobre el crecimiento.

En última instancia, la innovación se confirma –una vez más– como una apuesta

estratégica por el desarrollo; al tiempo, el uso de políticas públicas internacionales de

cooperación enfocadas en desarrollar las capacidades de innovación de los PED puede

constituir un “revulsivo” para la frecuentemente cuestionada eficacia “agregada” de la

ayuda. El análisis aquí presentado pretende contribuir a este debate aportando evidencia

sobre el positivo impacto de una modalidad concreta de ayuda –la ayuda científico-

tecnológica– que por sus características y objetivos encierra un potencial transformador

especialmente alto. En todo caso, se trata de una contrastación estrictamente

macroeconómica, en la que se evalúa –exclusivamente– el impacto sobre el ritmo de

crecimiento económico, y no en términos de los avances logrados en otros ámbitos del

desarrollo humano.


CONCLUSIONES

La presente investigación parte de la línea de estudios que tratan de constatar cuáles son las

principales fuentes del progreso económico de las naciones. Esta visión del crecimiento

sitúa como una de sus fuerzas motrices a la innovación, definida en forma amplia como la

introducción de nuevas formas de cubrir necesidades –incluyendo nuevas estructuras

organizacionales, nuevos procesos y nuevos productos–. Ello se traduce, para los agentes

innovadores, en oportunidades de producir de forma más eficiente, ampliar su capacidad

productiva, ganar cuotas de mercado y crear nuevos mercados. Los efectos de proceso

innovador sobre el crecimiento dependerán, entre otras cosas, de cómo sea el aprendizaje

que desencadenan las innovaciones, del grado en que estas se difundan hacia el resto de los

sectores y de cómo sean las relaciones de complementariedad productiva de los agentes

innovadores con el resto del aparato productivo (Ocampo, 2005).

Concretamente esta Tesis Doctoral intenta aportar un análisis riguroso del impacto de la

innovación y de las ayudas internacionales para ciencia y tecnología en el crecimiento

económico de los PED. Para ello se analizan los flujos de AOD-CT durante el periodo

1993–2008 y se propone y estima un modelo analítico del impacto de la innovación y la

AOD-CT sobre el crecimiento económico de los PED. En última instancia, la investigación

realizada parte del convencimiento de que la innovación es un factor determinante del

progreso de las naciones y, consiguientemente, la implementación de políticas públicas

internacionales de cooperación en innovación (AOD-CT) puede contribuir a impulsar el

crecimiento económico del mundo en desarrollo.

La base teórica fundamental de esta Tesis Doctoral se encuentra en los estudios

económicos que han analizado la compleja relación entre innovación y crecimiento. Así,

los modelos pioneros de crecimiento de Solow (1956 y 1957) y Swan (1956) emplearon



una función de producción neoclásica con rendimientos constantes a escala y rendimientos

marginales decrecientes en cada factor de producción para explicar la dinámica de

crecimiento y el papel protagónico de la innovación. En el estado estacionario estos

modelos predicen que los niveles de capital y trabajo per capita dependen de la tasa de

ahorro, de la tasa de crecimiento demográfico y de la función de producción. Y lo que es

más importante, estos modelos también predicen que sin progreso tecnológico las

economías no crecen en el largo plazo. No obstante, estos autores concibieron el avance

tecnológico como una variable “exógena”, lo que generó numerosas críticas.

A partir de los trabajos de Romer (1986 y 1990), los estudios sobre innovación y

crecimiento han tratado de salvar las limitaciones del modelo neoclásico mediante la

concepción del progreso tecnológico como una variable “endógena” del crecimiento. Así,

autores como Aghion y Howitt (1998) y Grossman y Helpman (1991) trataron de

modelizar la contribución “endógena” de la innovación al proceso de crecimiento. La

característica común de estos modelos es que asumen que las actividades de I+D son

beneficiosas para las empresas, siempre y cuando exista un marco regulatorio adecuado

que, por medio de patentes, consiga incentivar el desarrollo de innovaciones y otorgue

posiciones temporales de monopolio a las empresas innovadoras; en el largo plazo, esto

permite que la tasa de crecimiento sea positiva. Puesto que la existencia de rendimientos

marginales decrecientes en la acumulación de capital físico y humano impide sostener el

crecimiento a largo plazo, los modelos de crecimiento endógeno se centran en analizar las

mejoras continuas de la tecnología que si lo hacen.

Dentro de la literatura de crecimiento endógeno se analizan dos enfoques teóricos distintos,

pero complementarios para la comprensión del papel de la innovación en el crecimiento:

de una parte, los modelos de “innovación horizontal” que estudian cómo el progreso

técnico se materializa en un amento de la variedad de productos utilizados (Romer, 1990)

y, de otra parte, los modelos de “innovación vertical” o “escalas de calidad” que analizan

las mejoras en términos de la ampliación de la calidad de los productos (Aghion y Howitt,

1998 y Grossman y Helpman, 1991).

El debate teórico sobre la relevancia que la innovación tiene en las dinámicas de

crecimiento de los países ha tratado de saldarse en el terreno empírico. Lo cierto es que

Conclusiones


pocos estudios discrepan de la hipótesis general de que la innovación es un factor

fundamental -quizás el más relevante- del progreso económico. De hecho, la relevancia de

la innovación es uno de los resultados más robustos de la investigación económica

aplicada. De este resultado se derivan conclusiones importantes de política económica: i)

los Gobiernos deben implementar políticas de intervención en el corto y medio plazo que

impulsen el progreso tecnológico y, así, la productividad de la economía; y ii) las empresas

deben ser más innovadoras para aumentar sus beneficios.

No obstante la riqueza de la literatura empírica sobre innovación y crecimiento, el grueso

de los trabajos se ha limitado a analizar a las economías de “vanguardia” en términos de la

innovación mundial (básicamente, los países del la OCDE), y se ha concedido una atención

limitada a los PED, lo que deja abierta una interesante línea de investigación. Dada esta

limitación, la presente Tesis Doctoral se centra en analizar el papel que la innovación y las

políticas internacionales de ayuda científico-tecnológica desempeñan en los procesos de

desarrollo económico de los PED.

Aunque desde la década de 1990 y los primeros años del decenio del 2000 muchos de los

PED han registrado un fuerte progreso tecnológico, existe aún una importante “brecha

tecnológica” entre los países desarrollados y los PED. Estas desigualdades justifican el

impulso de iniciativas internacionales de cooperación en el ámbito de la ciencia y la

tecnología. En este contexto, las políticas internacionales de cooperación CT pretenden

promover el progreso tecnológico, científico e innovador de los PED, siendo su objetivo

primordial crear SNI sólidos, sensibles a las necesidades particulares de desarrollo de cada

país, y que amplíen las capacidades de innovación del mundo en desarrollo. En suma, las

políticas de cooperación CT apuestan por una estrategia “inclusiva” de desarrollo

internacional “desde la innovación”, que pretende expandir las oportunidades de progreso

de los pueblos a través de la difusión y el aprovechamiento del conocimiento.

Concretamente, el análisis estadístico realizado sobre los flujos públicos de ayuda

internacional para ciencia y tecnología (AOD-CT) canalizados por los países del CAD y

los organismos multilaterales de desarrollo ofrece siete resultados principales:



i. Desde finales de la década de 1990 las políticas de cooperación CT han cobrado

mayor protagonismo en el sistema de ayuda, hasta representar en 2008 el 5,6% de

la AOD global, si bien la evolución de los recursos muestra una excesiva

volatilidad (especialmente desde 2003), que puede afectar negativamente a la

eficacia de las intervenciones y que revela problemas de coordinación y

planificación temporal de las intervenciones.

ii. Las percepciones de AOD-CT per capita también han incrementado entre 1998 y

2008, multiplicándose por cinco hasta alcanzar los 1,56 dólares por persona.

iii. En el reparto de la AOD-CT global entre las distintas regiones del mundo en

desarrollo, Asia y África reciben —cada una— uno de cada tres dólares de estas

ayudas (en consonancia con sus posiciones como principales receptoras de AOD

del mundo). Por sub-regiones, África Subsahariana se ubica como la primera

receptora.

iv. La distribución de los recursos de AOD-CT per capita revela la existencia de un

marcado sesgo a favor de las regiones menos pobladas. De este modo, mientras

Oceanía recibe más de 62 dólares por persona, los demás continentes reciben

cantidades inferiores a los 13 dólares (especialmente bajas son las percepciones de

la región más poblada del Planeta, Ásia).

v. La aportación de la AOD-CT al PNB del mundo en desarrollo es relativamente

limitada (aproximadamente del 0,06%). Así, en todos las regiones esta aportación

no supera el 0,2% (salvo en Oceanía, lo que confirma un sesgo a favor de las

regiones menos pobladas). Por sub-regiones, África Subsahariana y el norte de

África se ubican muy por delante del resto de áreas, siendo marcadamente reducida

la participación de la AOD-CT en el PNB de las distintas regiones americanas y

asiáticas.

vi. La distribución geográfica de la AOD-CT resulta —en términos agregados—

progresiva, en tanto que los PED menos adelantados tecnológicamente tienden a

recibir más ayudas, por lo que el enfoque redistributivo de estos recursos puede

Conclusiones


contribuir positivamente al paulatino estrechamiento de la brecha tecnológica. No

obstante, debe alertarse que existen países que escapan a esta regla general y

reciben cuotas de AOD-CT muy inferiores a las que les correspondería en términos

de sus bajas capacidades innovadores y sus elevados pesos poblacionales (por

ejemplo, Bangladesh, Filipinas, Nigeria y Pakistán).

vii. Respecto a la distribución sectorial (que presenta un patrón temporal relativamente

estable), tres cuartas partes de los recursos se concentran en cuatro sectores: dos

relativos a la formación de competencias avanzadas (enseñanza superior, con más

de la mitad de los recursos, y formación profesional), otro relativo a la

investigación agrícola (principal ámbito de investigación financiado por los

donantes) y un agregado sectorial de educación y capacitación multisectorial (que

incluye los programas de becas de formación avanzada). En cambio, las actividades

orientadas a favorecer la innovación en las empresas (formación técnica, gestión

avanzada y capacitación comercial) reciben una atención mucho menor.

A pesar de la creciente importancia de las ayudas internacionales científico-tecnológicas,

sorprende constatar que los estudios sobre la eficacia macroeconómica de la ayuda nunca

han considerado el impacto que tienen las ayudas destinadas a desarrollar las capacidades

de innovación de los PED, a pesar de que su impacto potencial es especialmente elevado.

Por eso, el análisis desarrollado en esta Tesis Doctoral pretende contribuir a cubrir esta

carencia, aportando evidencia sobre el positivo impacto de esta modalidad concreta de

ayuda –la ayuda científico-tecnológica–, que por sus características y objetivos encierra un

potencial transformador especialmente alto. En todo caso, se trata de una contrastación

estrictamente macroeconómica, en la que se evalúa –exclusivamente– el impacto sobre el

ritmo de crecimiento económico, y no en términos de los avances logrados en otros

ámbitos del desarrollo humano. Para ello se analiza el impacto que la innovación y la

AOD-CT han ejercido sobre el ritmo de crecimiento de la renta per capita de los PED en el

periodo 1993 y 2008. Los resultados más relevantes de la estimación econométrica se

resumen en cuatro:



i. La ayuda para la ciencia y la tecnología ha resultado eficaz en estimular el

crecimiento, de tal modo que un incremento de un 1% en las donaciones de AOD-

CT ha elevado la tasa de crecimiento del PIB per capita en torno a 0,007 puntos

porcentuales. En cambio, el impacto de la ayuda se “diluye” cuando consideramos

el resto de recursos no destinados a innovación, que no se revelan estadísticamente

significativos.

ii. El coeficiente de interacción entre la AOD-CT y la innovación se estima negativo,

lo que sugiere que el impacto de este tipo de ayudas puede ser mayor en los países

con menores capacidades de innovación, lo que constituye un sólido argumento a

favor de enfatizar el uso de estos recursos en los países menos innovadores. Por lo

tanto, si la AOD-CT es eficaz, y además resulta especialmente eficaz en los países

con menores capacidades de innovación, este tipo de ayudas pueden resultar

oportunas para cerrar la brecha de la innovación mundial. Este argumento se ve

respaldado por el hecho anteriormente mencionado de que la distribución

geográfica de la AOD-CT ha sido moderadamente progresiva (atendiendo más que

proporcionalmente a los países menos innovadores), lo que permite concluir que

este enfoque “redistributivo” podría contribuir positivamente al paulatino

estrechamiento de la brecha tecnológica si se incrementaran los recursos destinados

a la cooperación científico-tecnológica.

iii. Respecto a las características de las economías receptoras que condicionan el

crecimiento económico, dos se muestran estadísticamente significativas: de una

parte, la mejora de las capacidades de innovación estimulan el crecimiento, lo que

confirma que la innovación es el principal determinante del progreso económico.

En cambio, las desigualdades de rentas constituyen una importante rémora para el

crecimiento, ya sea generando males públicos (crimen, violencia e inseguridad) que

coartan las posibilidades de inversión y crecimiento de un país o limitando la

capacidad productiva de la economía como consecuencia de la exclusión de las

personas pobres de los mercados de crédito.

iv. El análisis sugiere que las fuertes disparidades existentes entre los ritmos de

progreso de los PED se traducen en un lento proceso de divergencia en niveles de

Conclusiones


renta per capita, de tal suerte que los países más pobres han tendido a crecer más

lentamente y algunos de los PED más avanzados (especialmente las “economías

emergentes”) han crecido vertiginosamente. De este modo se ensancha la brecha

que separa a los países de ingreso bajo y medio-bajo, de los países de ingreso

medio-alto, lo que respalda la tesis de que las desigualdades internacionales de

rentas no se han reducido en las últimas décadas (Milanovic, 2006a y b). La AOD

debe contribuir a rectificar esta dinámica, no sólo a través de un mayor desembolso

de recursos (lo que resulta poco probable en el corto plazo, dado el actual contexto

de crisis y el fuerte ajuste presupuestario que viven los países donantes de la

OCDE), sino también adaptando las modalidades de ayuda a las especificidades

socio-económicas de cada país socio para lograr un mayor impacto agregado sobre

el crecimiento.

En suma, el análisis realizado en esta Tesis Doctoral permite aceptar las dos hipótesis de

partida: en primer lugar se confirma que la innovación es un determinante fundamental

para el desarrollo económico de los PED; y, en segundo lugar, se verifica que las ayudas

destinadas a desarrollar las capacidades de innovación de los PED contribuyen

positivamente a acelerar sus ritmos de crecimiento, lo que constituye un “revulsivo” para la

frecuentemente cuestionada eficacia “agregada” de la ayuda internacional.

Conviene reseñar, en todo caso, algunas limitaciones que hay que valorar sobre el trabajo

empírico aquí desarrollado:

- La información estadística de los PED no es completa, lo que dificulta la

composición de la base de datos utilizada en el análisis. De hecho, los países más

pobres presentan mayores carencias estadísticas, lo que introduce un sesgo no

aleatorio en la selección de la muestra de estudio.

- La aportación de la política pública analizada en esta investigación —la AOD-

CT— es muy limitada en relación con la dimensión de las economías receptoras.

Por ello, de estos exiguos recursos es difícil obtener un importante impacto sobre el

ritmo de crecimiento de los PED. Más concretamente, para conseguir cerrar la

brecha tecnológica habrá que complementar las políticas de AOD-CT con otras



políticas internacionales (públicas y privadas) de promoción de la ciencia y la

tecnología.

- Existen además limitaciones específicas de los modelos de eficacia de la ayuda:

aunque se han ido mejorando las técnicas econométricas, sigue resultando

complicado controlar la heterogeneidad que existe entre los países receptores de

ayuda y sus SNI, lo que afecta, entre otras cosas, a las capacidades de absorción y

de aprovechamiento de los fondos internacionales para el desarrollo. Y, aun más

heterogénea resulta la calidad de los proyectos y programas concretos de ayuda que

se incluyen en el agregado de AOD-CT, lo que limita la comparabilidad entre

países (e, incluso, entre iniciativas concretas de cooperación).

El modelo analítico postulado en esta Tesis Doctoral aporta algunos avances

metodológicos. En primer lugar, se realiza un análisis específico para una modalidad

concreta de ayuda (la AOD-CT), lo que permite superar algunas de las limitaciones de

otros análisis más agregados del impacto de la ayuda. En segundo lugar, el modelo

propuesto utiliza un conjunto de variables explicativas que capturan la importancia de la

AOD-CT y la innovación en el crecimiento de los países. Por último, el análisis hace uso

de técnicas avanzadas de estimación econométrica, utilizando un modelo de regresión

dinámico con datos en panel mediante el método del sistema GMM.

Finalmente, cabe destacar que el análisis desarrollado en esta Tesis Doctoral abre

interesantes líneas de investigación que permiten continuar y expandir el trabajo aquí

realizado:

- En primer lugar se puede aplicar el modelo aquí presentado a experiencias singulares de

países en desarrollo que han recibido importantes cantidades de AOD-CT y han

experimentado éxitos reseñables de innovación y desarrollo (como China, Brasil o India).

En este caso, el estudio se complementaría con análisis de regresión de series temporales

cointegradas para cada uno de estos países singulares, que puedan matizar y complementar

los resultados del análisis agregado con datos en panel realizado en esta Tesis Doctoral.

- Otra posible línea consiste en complementar los resultados obtenidos en este trabajo

con estudios de casos concretos de políticas y actividades de cooperación

Conclusiones


científico-tecnológica que permitan entender mejor los mecanismos a través de los

cuales estas ayudas son capaces de estimular el ritmo de progreso de los PED. En

concreto, resulta especialmente interesante la experiencia del Programa

Iberoamericano de Ciencia y Tecnología para el Desarrollo (CYTED)1, cuyo

objetivo es contribuir al desarrollo sostenible de la Región Iberoamericana

mediante la cooperación en ciencia, tecnología e innovación, y en el que España

participa activamente.

- Por último, el análisis macroeconómico aquí realizado puede enriquecerse y

matizarse mediante estudios micro; por ejemplo, a través de encuestas y entrevistas

a responsables de centros que realizan cooperación científico-tecnológica para el

desarrollo, y evaluaciones micro del impacto obtenido por actividades concretas de

cooperación internacional en materia de innovación.

1 CYTED fue creado en 1984 mediante un Acuerdo Marco Interinstitucional firmado por 19 países de América Latina, España y Portugal. Consiste en un programa internacional de cooperación multilateral cientifico-tecnológica con carácter horizontal.

Ainoa QuiñonesMontellano

CONCLUSION

The purpose of this series of studies is to attempt to identify the main sources of economic

progress of nations. This vision of growth ranks as one of the driving forces for innovation,

broadly defined as the introduction of new ways to meet needs, including new

organizational structures, new processes and new products. For innovative agents, this

provides opportunities to produce more efficiently, expand their production capacity, gain

a greater market share and create new markets. The effects of process innovation on

growth will depend, among other things, on how learning can trigger innovations, the

extent to which these are disseminated to the rest of the sectors and how the relations of

production can be seen as innovative agents which are complementary with the rest of the

production (Ocampo, 2005).

In this thesis, an attempt is made to provide a rigorous analysis of the impact of innovation

and international aid in science and technology in terms of economic growth in developing

countries. We will analyze the flow of ODA-CT during the period 1993-2008, propose an

analytical model and estimate the impact of innovation and ODA-CT on economic growth

in developing countries. Ultimately, the research is based on the conviction that innovation

is a key determinant of national progress and that the implementation of international

public policy innovation cooperation (ODA-CT) can help boost economic growth in the

developing world.

The fundamental theoretical basis of this thesis lies in economic studies that have

examined the complex relationship between innovation and growth. The pioneering

models of growth of Solow (1956 and 1957) and Swan (1956) used a neoclassical

production function with constant returns to scale and diminishing marginal returns in each



152

production factor to explain the dynamics of growth and the central role of innovation. At

steady state, these models predict that levels of per capita capital and labour depend on the

savings rate, the rate of population growth and the level of production function. More

importantly, these models also predict that without technological progress economies will

not grow in the long run. However, these authors conceive technological progress as an

‘exogenous’ variable, and this has generated much criticism.

Following the work of Romer (1986), studies of innovation and growth have tried to bridge

the limitations of the neoclassical model through the design of technological progress as a

form of variable ‘endogenous’ growth. Authors such as Romer (1986 and 1990), Aghion

and Howitt (1998) and Grossman and Helpman (1991) have attempted to model the

contribution of innovation to growth dynamics. The common feature of these models is

that they assume that R&D activities are beneficial to companies, provided there is an

appropriate regulatory framework, based on patents, which can encourage the development

of innovations and grant temporary monopoly positions to innovative companies. In the

long run, this can result in a positive growth rate. The existences of diminishing marginal

returns in the accumulation of the physical and human capital prevent to sustain growth

long-term endogenous growth models focusing on analysing the continuous improvement

of technology.

The analysis of these improvements has generated two different theoretical approaches,

which are complementary to understanding the role of innovation in growth. Models of

‘horizontal innovation’ are designed to study technical progress with reference to a variety

of products (Romer, 1990) whereas models of ‘vertical innovation’ or ‘quality ladders’

examine the improvements in terms of the expansion of product quality (Aghion and

Howitt, 1998 and Grossman and Helpman, 1991).

The theoretical debate about the relevance of innovation to the growth dynamics of various

countries has succeeded to some extent on empirical grounds. Few studies disagree with

the general hypothesis that innovation is a key element in economic progress. In fact, the

importance of innovation is one of the most robust truths of applied economic research.

From this result, some important policy conclusions can be derived: i) that governments

should implement intervention policies in the short and medium term to drive

Conclusions


technological progress and thus the productivity of the economy, and ii) that firms need to

be more innovative to increase their profits.

Despite the wealth of empirical literature on innovation and growth, the bulk of the work

has been limited to analyzing the economies at the ‘cutting edge’ (mainly OECD

countries), in terms of global innovation; while limited attention has been granted to

developing countries. This leaves various interesting lines of research open. Given such

limitations, this doctoral thesis focuses on analyzing the role that innovation and scientific

and technological aids play in the processes of economic development in developing

countries.

Although, since the 1990s most developing countries have experienced considerable

technological progress, there is still a significant ‘digital divide’ between developed and

developing countries. Such inequalities justify the promotion of international cooperation

initiatives in the fields of science and technology. In this context, international cooperation

policies are intended to promote progress in CT technology, science and innovation in

developing countries; their primary objective being to create solid SNI sensitive to the

particular development needs of each country, and to enhance innovation capabilities in the

developing world. In addition, CT cooperation policies advocate an ‘inclusive’ strategy of

international development ‘from innovation’, which aims to expand opportunities for

people to progress through the dissemination and exploitation of knowledge.

Specifically, the statistical analysis conducted on public flows of international aid for

science and technology (ODA-CT), as channelled by the DAC countries and multilateral

development agencies, has had seven main results:

i. Since the late 1990s, CT cooperation policies have gained greater prominence in

the aid system, accounting for 5.6% of global ODA in 2008, while the evolution of

resources shows excessive volatility (especially since 2003). This can adversely

affect the effectiveness of interventions and reveal problems in co-ordinating and

timing interventions.



154

ii. Perceptions of per capita ODA-CT also increased between 1998 and 2008, a

fivefold increase, to reach $1.56 per person.

iii. The distribution of global ODA-CT across different regions of the developing

world. Asia and Africa receive around one in every three dollars of aid (in line with

their positions as major recipients of ODA in the world). In terms of sub-regions,

sub-Saharan Africa ranks as the first recipient.

iv. The distribution of resources per capita for ODA-CT reveals a strong bias in favor

of the less populated regions. Thus, while Oceania receives more than $62 per

person, the other continents receive less than $13 (especially the continent with the

largest population, Asia).

v. The contribution of ODA to GNP-CT in the developing world is relatively small

(approximately 0.06%). Thus, in all regions this contribution does not exceed 0.2%

(except in Oceania, which confirms a bias in favor of the less populated areas). In

terms of sub-regions, sub-Saharan Africa and North Africa are well ahead of other

areas, with their shares of ODA-CT in the GNP of the American and Asian regions

being markedly reduced.

vi. The geographical distribution of ODA-CT results in an aggregate-progressive

situation, in which less technologically advanced developing countries tend to

receive more aid, so that the redistributive focus of these resources can contribute

positively to the gradual narrowing of the digital divide. However, it should be

mentioned that there are other countries that receive a level of ODA-CT funding

which is much lower than their fair share in terms of their innovative capabilities

and their high populations of people (e.g., Bangladesh, Philippines, Nigeria and

Pakistan).

vii. Regarding sectoral distribution (which has a relatively stable time pattern), three-

quarters of the resources are concentrated in four sectors: two related to advanced

skills training (higher education, with more than half of the resources and training

professional), another to agricultural research (the main area of research funded by

Conclusions


donors) and an aggregate sector of education and multisectoral training (including

scholarship programmes for advanced training). In contrast, efforts aimed at

promoting innovation in companies (technical training, advanced management and

business training) receive much less attention.

Despite the growing importance of international scientific and technological support, it is

surprising to note that studies of the macroeconomic effectiveness of aid have never

considered the impact of aid on the innovation capacities of developing countries, although

its potential impact is particularly high. The analysis developed in this doctoral thesis aims

to contribute to filling this gap by providing evidence of the positive impact of this

particular form of aid, in terms of scientific-technological support, which by its nature and

objectives involves a particularly high potential level of transformation. In any case, this is

a strictly macroeconomic contrast, which can be assessed in terms of its impact on

economic growth, rather than in terms of progress in other areas of human development.

We will analyse the impact that innovation and ODA-CT have had on the growth rate of

developing countries in the period between 1993 and 2008. The most important results of

the econometric estimation can be summarized in the following four ways:

i. Support for science and technology is effective in stimulating growth, so that a 1%

increase in ODA grants-CT may increase the growth rate of GDP per capita by

around 0007 points. In contrast, the impact of aid is ‘diluted’ when we consider that

the other resources are not intended for innovation, and so are not seen as being

statistically significant.

ii. The coefficient of interaction and innovation ODA-CT was negative, suggesting

that the impact of such aid may be greater in countries with less capacity for

innovation. This is a strong argument in favour of emphasizing the use of these

resources in a less innovative way. Therefore, if ODA-CT is effective, and it is

particularly effective in countries with less capacity for innovation, such aid may

not be an appropriate way of closing the gap in terms of global innovation. This

argument is supported by the fact that the geographical distribution of ODA-CT is

moderately progressive (serving proportionately more innovative countries), which

allows us to conclude that this ‘redistributive’ approach could contribute positively



156

to the gradual narrowing of the technology gap, which could increase the resources

available for scientific and technological cooperation.

iii. Regarding the characteristics of the recipient economies that determine economic

growth, two are statistically significant. Improving innovation capabilities

stimulates growth, which confirms that innovation is the main determinant of

economic progress. In contrast, income inequalities are a major drag on growth,

either by generating public ills (crime, violence and insecurity) which limit the

possibilities of investment and growth in a country (Fajnzylber et al. Al., 1998) or

limiting the productive capacity of the economy as a result of the exclusion of the

poor in credit markets (Alonso, 2005).

iv. The analysis suggests that strong disparities between the rates of progress in

developing countries can result in slow process of divergence in per capita income

levels, so that poorer countries have tended to grow more slowly while some of the

more advanced PED (especially ‘emerging economies’) have grown dramatically.

This has widened the gap between low-income countries and middle to low income

countries, supporting the thesis that international income inequality has not

declined in recent decades (Milanovic, 2006a and b). ODA should help rectify this

situation, not only through greater expenditure of resources (which is unlikely in

the short term, given the current crisis and strong fiscal adjustment needed for

living donor countries of the OECD), but also by adapting aid modalities to the

socio-economic specificities of each partner country, in order to achieve greater

overall impact on growth.

Two hypotheses can be securely adopted with reference to this topic. The first confirms

that innovation is a key determinant for the economic development of developing countries

and, secondly, the focused distribution of aid to encourage innovative capabilities in

developing countries can contribute positively to accelerating their growth rates. This can

be seen as a ‘salutary lesson’ to the often questionable efficacy of the ‘aggregate’ of

international aid.

Conclusions


The analytical model postulated in this thesis provides some methodological advances.

Firstly, it uses a form of analysis specific to a particular form of assistance (ODA-CT),

which overcomes some of the limitations of other more aggregated analysis of the impact

of aid. Secondly, the proposed model uses a set of explanatory variables that captures the

importance of ODA-CT and innovation in the growth of countries. Finally, the analysis

makes use of advanced econometric estimation, using a dynamic regression model which

utilises the panel data GMM system method.

The analysis developed in this thesis opens up new lines of research for the future. It would

be interesting to complement the results obtained here with case studies of the policies and

activities of scientific and technological cooperation, in order to better understand the

mechanisms through which scientific and technological aids are capable of stimulating the

rate of progress of developing countries. Also, the Iberoamerican Program of Science and

Technology for Development (CYTED)1, which aims to contribute to sustainable

development in the Iberoamerican region through cooperation in science, technology and

innovation, and in which Spain participates actively, could be a useful subject for study.

Also, macroeconomic analysis, focusing on aggregates, as performed here, can be enriched

and tempered by the use of surveys and interviews with centre managers who take part in

scientific and technological cooperation for the development and assessment of the impact

achieved by micro-specific international cooperation activities in terms of innovation.

1 CYTED was created in 1984 through an Inter-Agency Framework Agreement signed by 19 countries in Latin America, Spain and Portugal. It consists of an international programme of scientific-technological cooperation with multilateral horizontal forms of innovation.


REFERENCIAS

6.1. Referencias bibliográficas

ABDIH, Y. y JOUTZ, F. (2005), “Relating the Knowledge Production Function to Total

Factor Productivity: An Endogenous Growth Puzzle”, IMF Working Paper 05/74.

ABRAMOVITZ, M. (1986), “Catching Up, forgoing Ahead, and falling behind”, Journal

of Economic History, vol.46 nº.2, Junio, págs. 385-406.

ACEMOGLU, D.; AGHION, P. y ZILIBOTTI, F. (2006), “Distance to Frontier, Selection

and Economic Growth”, Journal of European Economic Association, nº4 (1), págs.

37-74.

ACEMOGLU, D. (2008), Introduction to Modern Economic Growth, Princeton University

Press, New Jersey.

AGHION, P. y HOWITT, P. (1998), Endogenous Growth Theory, MIT Press, Cambridge.

AGHION, P. y HOWITT, P. (2005), Growth with Quality-Improving Innovations: An

Integrated Framework, en AGHION, P. y DURLAUF, S. (eds.), Handbook of

Economic Growth, cap. 2, págs. 68-97, Elsevier, Ansterdan.

AGHION, P.; COMIN, D. y HOWITT, P. (2006), “When does domestic saving matter for

economic growth?”, NBER Working Paper, nº 12275.

ALONSO, J.A. y GARCIMARTÍN, C. (2008), Acción colectiva y desarrollo: el papel de

las instituciones, Editorial Complutense, Estudios Internacionales, Madrid



ALONSO, J.A. (2005), “Equidad y crecimiento: una relación en disputa”, PRINCIPIOS.

Estudios de Economía Política, nº1, págs.9-36.

ALONSO, J.A. (dir) (2009), Financiación del desarrollo. Viejos recursos, nuevas

propuestas, Siglo XXI, Madrid.

ÁLVAREZ, I. y MAGAÑA, G. (2007), “Desarrollo tecnológico en los países de ingreso

medio” en Alonso, J.A. (ed): Cooperación con países en renta media. Editorial

Complutense, Madrid, págs.341-369.

ANNEN, K. y KOSEMPEL, S. (2009), “Foreign Aid, Donor Fragmentation, and

Economic Growth”, The B.E. Journal of Macroeconomics, Vol. 9: Iss. 1, Article 33.

ARCHIBUGI, D. y COCO, A. (2004), “A new indicator of technological capabilities for

developed and developing countries (ArCo)”, World Development, nº 32, págs. 629-

654.

ARELLANO, M. y BOND, S. (1991), “Some Tests of Specification for Panel Data: Monte

Carlo Evidence and an Application to Employment Equations”, Review of Economic

Studies, nº 58, págs. 277-297.

ARELLANO, M. y BOVER, O. (1995), “Another Look at the Instrumental Variable

Estimation of Error-Components Models”, Journal of Econometrics, nº 68, págs. 29-

51.

ARROW, K., (1962), “The economic implications of learning by doing” Review of

Economic Studies, nº 29 (2), págs. 155–173. ARCHIBUGUI, D. y COCO, A. (2004),

“A new indicator of technological capabilities for developed and developing

countries (ArCo)”, World Development, nº 32, págs. 629-654.

BALTAGI, B.H. (2001), Econometric analysis of panel data, John Wiley and Sons, Nueva

York.

BANCO MUNDIAL (2008), Perspectivas económicas mundiales 2008: Difusión de las

tecnologías en los países en desarrollo, Mundi-Prensa Libros, S.A., Washington DC.

BANCO MUNDIAL (2011), World development Indicators 2011, Mundi-Prensa Libros,

S.A., Washington DC.

Referencias


BARRO, R. (1991), “Economic Growth in a Cross Section of Countries”, The Quarterly

Journal of Economics, vol. 106, nº 2, págs. 407-443

BARRO, R. y SALA-I-MARTIN, X. (1997), “Technological Diffusion, Corvergence, and

Growth”, Journal of Economic Growth, Vol. 2, Nº1, págs. 1-26.

BARRO, R. y SALA-I-MARTIN, X. (2003), Economic Growth, MIT Press,

Massachusetts.

BARRO, R. y SALA-I-MARTIN, X. (2009), Crecimiento Económico, Editorial Reverte,

Barcelona.

BELL, M. y PAVITT K. (1995), “The Development of Technological Capabilities”, en

Haque, I. (ed.): Trade, Technology and International Competitiveness. The World

Bank, Washington, págs. 69-10.

BLUNDELL, R. y BOND, S. (1998), “Initial Conditions and Moment Restrictions in

Dynamic Panel Data Models”, Journal of Econometrics, nº 87, págs. 115-143.

BOONE, P. (1996), “Politics and the effectiveness of foreign aid”, European Economic

Review, nº 40, págs. 289-329

BORONDO, C. (2008), “La innovación en la literatura reciente del crecimiento

endógeno”, PRINCIPIOS, Estudios de Economía Política, nº 12, págs. 11-42

BORONDO, C. (2008), “Una estimación de la ‘función de producción de ideas en

España”, PRINCIPIOS. Estudios de Economía Política, nº 10, págs. 43-63.

BRAVO-ORTEGA C. y DE GREGORIO, J. (2005), “The Relative Richness of the Poor?

Natural Resources, Human Capital and Economic Growth” Policy Research

Working Paper Series 3484, The World Bank.

BULIR, H. y HAMANN, A.J. (2003), “Aid Volatility: An Empirical Assessment”, IMF

Staff Papers, nº 50, págs. 64-89.

BULIR, H. y HAMANN, A.J. (2008), “Volatility of Development Aid: From the Frying

Pan into the Fire”, World Development, Vol. 36, nº 10, págs. 2048-2066



BURNSIDE, C. y DOLLAR, D. (2000), “Aid, policies and growth”, American Economic

Review, nº 90 (4), págs. 847–868.

BURNSIDE, C. y DOLLAR, D. (2004), “Aid, policies and growth: reply”, American

Economic Review, nº 94, págs. 781–784.

CANTWELL, J. (1999), “Innovation as the principal source of growth in the global

economy”, en ARCHIBUGI, D., HOWELLS, J., y MICHIE, J. (Eds.): Innovation

policy in global economy, Cambridge University Press, Cambridge.

CASS, D. (1965), “Optimum growth in an aggregative model of capital accumulation,”

Review of Economic Studies, nº 32, págs. 233–240.

CASTELLACI, F. y ARCHIBUGI, D. (2008), “The technology clubs: The distribution of

knowledge across nations”, Research Policy, nº 37, págs. 1659-1673.

CHAUVET, L. y GUILLAUMONT, P. (2004), “Aid and growth revisited: Policy,

economic vulnerability and political instability”, págs. 95-109, en TINGODDEN, B.,

STERN, N. and KOLSTAD, I. (Eds.), Towards pro-poor policies – Aid, Institutions

and Globalization, World Bank - Oxford University Press, Washington DC.

CHENERY, H.B. y STROUT, A.M. (1966): “Foreign assistance and economic

development”, The American Economic Review, vol. LVI, nº 4, págs. 679-733,

CLEMENS, M., RADELET, S. y BHAVNANI, R. (2004), “Counting chickens when they

hatch: The short term effect of aid on growth”, Center for Global Development,

Working Paper 44.

COE, D. y HELPMAN, E. (1995), “Internacional R&D spillovers”, European Economic

Review, nº 39, págs. 859–887.

COE, D.; HELPMAN, E. y HOFFMAISTER, A. (1997), “North–South R&D Spillovers”,

Economic Journal, nº 107, págs. 134–49.

COLLIER, P. y DEHN, J. (2001), “Aid, shocks, and growth”, World Bank Policy

Research, nº 2688, World Bank.

COLLIER, P. y DOLLAR, D. (2002): “Aid allocation and poverty reduction”, European

Economic Review, nº 26, págs. 1475–1500.

Referencias


COLLIER, P. y GODERIS, B. (2008), “Does Aid Mitigate External Shocks?, UNU-

WIDER Discussion Paper, nº 2008/06, UNU-WIDER.

COLLIER, P. y HOEFFLER, A. (2004), “Aid, policy and growth in post-conflict

societies”, European Economic Review, nº 48, págs. 1125-1145.

COMITÉ DE AYUDA AL DESARROLLO (CAD) (2011a), DAC statistical reporting

directives, disponible en: http://www.oecd.org/dataoecd/28/62/38429349.pdf

COMITÉ DE AYUDA AL DESARROLLO (CAD) (2011b), CRS online User Guide,

disponible en: http://www.oecd.org/document/

COMITÉ DE AYUDA AL DESARROLLO (CAD) (2011c), International Development

Statistics (IDS) online databases on aid and other resource flows, OECD. Stat,

disponible en http://oecd.org/dataoecd/

DALGAARD, C. y HANSEN, H. (2001): “On aid, growth and good policies”, Journal of

Development Studies, nº 37 (6), págs. 17–35.

DALGAARD, C. y HANSEN, H. (2010), “Evaluating Aid Effectiveness in the Aggregate:

A critical assessment of the evidence”, Munich Personal RePEc Archive MPRA,

Evaluation Study 2010/1.

DALGAARD, C., HANSEN, H. y TARP, F. (2004), “On the empirics of foreign aid and

growth”, The Economic Journal, nº 114, págs.191-216.

DE LA FUENTE, A. y DOMÉNECH, R. (2006), “Human capital in growth regressions:

how much difference does data quality make?”, Journal of the European Economic

Association, nº 4, págs. 1-36.

DENIS, C.; MCMORROW, K. y ROGER, W. (2004), “An analysis of EU and US

productivity developments”, European Commission, Economic Papers, nº 208.

DJANKOV, S., MONTALVO, J.G. y REYNAL-QUEROL, M. (2009), “Aid with Multiple

Personalities”, Journal of Comparative Economics, nº 37, págs.. 217-229

DOMAR, E. D. (1946), “Capital Expansion, Rate of Growth, and Employment”.

Econometrica, nº 14, Abril, págs. 137-147.

http://www.oecd.org/dataoecd/28/62/38429349.pdf

http://www.oecd.org/document/

http://oecd.org/dataoecd/



DOMINGUEZ, R. (2009), “Desigualdad y bloqueo al desarrollo en América Latina”,

PRINCIPIOS, Estudios de Economía Política, nº 13, págs 5-32.

DOUCOULIAGOS, H. y PALDAM, M. (2008), “Aid Effectiveness on Growth: A Meta

Study”, European Journal of Political Economy, nº 24, págs. 1-24.

DUDLEY, L. y MONTMARQUETTE, C. (1976), “A model of the supply of bilateral

foreign aid”, American Economic Review, nº 66 (1), págs. 132–142.

DURBARRY, R.; GEMMELL, N. y GREENAWAY. D. (1998), “New evidence on the

impact of foreign aid on economic growth”, Credit Working Paper, University of

Nottingham.

EASTERLY, W. (2002), “Inequality dos cause underdevelopment: New evidence”,

Working Paper 1, Center for Global Development.

EASTERLY, W. (2003), “Can foreign aid buy growth?”, Journal of Economic

Perspectives, nº 17, págs. 23-48.

ESCOT, L. y GALINDO, M.A. (1998), “Difusión tecnológica, convergencia y crecimiento económico”, Papeles de trabajo del Instituto de Estudios Fiscales. Serie economía. nº 8, págs. 1-27

FAJNZYLBER, P. D.; LEDERMAN, P. D. y LOAYZA, N. (1998), “Determinants of

crime rates in Latin American and the World”, World Bank Latin America and the

Caribbean Viewpoints Series Paper, Banco Mundial, Washington.

FAGERBERG, J. y VERSPAGEN, B. (2002), “Technology gaps, innovation-diffusion and

transformation: an evolutionary interpretation”, Research Policy, nº 31, núms. 8-9,

2002, págs. 1291-1304.

FARLEY, S. (2007), “Donor support for science, technology and innovation for

development: Approaches to the LDCs”. Study prepared for UNCTAD as a

background paper for The Least Developed Countries Report 2007, UNCTAD,

Ginebra.

FISCHER, S. (1993), “The role of macroeconomic factors in growth”, Journal of

Monetary Economics, nº32, págs. 485-512

http://www.fundacionsistema.com/Pubs/Article.aspx?id=6513

Referencias


FRAUMENI, B. y OKUBO, S. (2005), “R&D in the National Income and Product

Accounts: A First Look at Its Effect on GDP” en CORRADO et al. (eds.), Measuring

Capital in the New Economy, NBER and the University of Chicago Press.

FREEMAN, CH. (1995), “The National System of Innovation in historical perspective”,

Cambridge Journal of Economics, nº 19, págs. 5-27.

FUNDACIÓN CAROLINA (2011), Innovación y cooperación al desarrollo: tendencias

de colaboración público-privada, Fundación Carolina, Madrid.

FURMAN, J. L., PORTER, M. E., y STERN, S. (2002), “The determinants of national

innovative capacity”. Research Policy, nº 31, págs. 899–933

GALLUP, J.L., J.D. SACHS y A. MELLINGER (1999), “Geography and Economic

Development”, International Regional Science Review, nº 22, págs 179-232

GARCIAMARTÍN, C. (2007), “Un análisis critica de las regresiones de convergencia”,

Principios, Estudios de Economía Política, nº 9, págs. 71-90.

GIBSON, C.; ANDERSSON, K,; OSTROM, E. y SHIVAKUMAR, S. (2005), The

Samaritan’s Dilema: The Political Economy of Development Aid, Oxford University

Press, Oxford.

GORDON, R.J. (2000), “Does the New Economy measure up to the great inventions of the

past?”, Working Paper, nº 7833.

GRIFFIN, K.B. (1970), “Foreign capital, domestic savings and economic development”,

Bulletin of the Oxford University Institute of Economics and Statistics, nº 32, págs.

99-112.

GRIFFIN, K.B. y ENOS, J.L. (1970), “Foreign assistance: Objectives and consequences”,

Economic Development and Cultural Change, nº 18, págs. 313-27

GRIFFITH, R., S. REDDING y J. VAN REENEN (2004), "Mapping the Two Faces of

R&D: Productivity Growth in a Panel of OECD Industries." Review of Economics

and Statistics, vol. 86, nº4, págs. 883-895.

GRILICHES, Z. (1973), “Research Expenditures and Growth Accounting.”, en Science

and Technology in Economic Growth. Williams, Macmillan, New York, págs. 59-95.

http://www.kellogg.northwestern.edu/faculty/sstern/htm/NEWresearchpage/Publications/Furman%20Porter%20Stern%20RP.pdf

http://www.kellogg.northwestern.edu/faculty/sstern/htm/NEWresearchpage/Publications/Furman%20Porter%20Stern%20RP.pdf



GROSSMAN, G. Y HELPMAN, E. (1991), Innovation and Growth in the Global

Economy, MIT Press, Cambridge.

GUELLEC, D, y VAN POTTELSBERGUE (2001), “The effectiveness of public policies

in R&D”, Revue d’Economie Industrielle, nº 94, págs. 49-68.

GUILLAUMONT, P. y CHAUVET, L. (2001), “Aid and Performance: A Reassessment”,

Journal of Development Studies, nº 37 (6), págs. 66-092.

GUJARATI, D.N. (2003), Econometría, McGraw-Hill, México DF.

GUMBAU, M. y MAUDOS, J. (2001), “Actividad tecnológica y crecimiento económico

en las regiones españolas”, Working Papers WP-EC 2001-17, Instituto Valenciano

de Investigaciones Económicas.

GUPTA, K.L. (1970), “Foreign capital and domestic savings: A test of Haavelmo’s

hypothesis with cross-country data: A comment”, Review of Economics and

Statistics, nº 52, págs. 214-16.

HANSEN, H. and TARP, F. (2000), “Aid effectiveness disputed”, Journal of International

Development, nº 12, págs. 375–398.

HANSEN, H. y TARP, F. (2001), “Aid and growth regressions”, Journal of Development

Economics, vol. 64, nº 2, pags. 547–570.

HARROD, RF. (1939), “An Essay in Dynamic Theory”. Economic Journal, nº 49, June,

págs. 14-33.

HEADEY, D. (2008), “Geopolitics and the effect of foreign aid on economic growth:

1970-2001”, Journal of International Development, nº 20, págs. 161-180.

HOWITT, P. (2000), “Endogenous Growth and Cross-country Income Differences”,

American Economic Review, nº 90, págs. 829-46.

HOWITT, P. y MAYER-FOULKES, D. (2005), “R&D, Implementation and Stagnation: A

Schumpeterian Theory of Convergence Clubs”, Journal of Money, Credit and

Banking, nº 37, págs. 147-77.

HSIAO, C. (2003), Analysis of panel data, Cambridge University Press, Nueva York.

Referencias


HSIAO, C.; PESARAN, M. H. y TAHMISCIOGLU, A. K. (1999), “Bayes Estimation of

Short-Run Coefficients in Dynamic Panel Data Models”, en Hsiao, C., Lahiri, K.,

Lee, L.F. y Pesaran, M.H. (Eds.): Analysis of Panels and Limited Dependent

Variables: A Volume in Honour of G. S. Maddala, Cambridge University Press, págs.

268-296.

HUDSON, J. y MOSLEY, P. (2008), “Aid volatility, Policies and Development”, World

Development, nº 10, págs. 2082-2102.

ISHAM J.; WOOLKOCK, M.; PRITCHETT, L. y BUSBY, G. (2005), “The Varieties of

the Resource Experience: How Natural Resource Export Structures Affect the

Political Economy of Economic Growth”, World Bank Economic Review, nº 19,

págs. 141-174.

JONES, C. (1995a), “Times Series Tests of Endogenous Growth Models”, Quarterly

Journal of Economics, mayo, págs. 495-525.

JONES, C. (1995b), “R&D-Based Models of Economic growth”, Journal of Political

Economy, nº 103, págs. 759-784.

JONES, C. (2000), Introducción al Crecimiento Económico, Pearson Educación, México.

JONES, C. (2002), “Sources of US Economic Growth in a World of Ideas”, American

Economic Review, nº 92 (1), págs. 220-239.

JORGENSON, W., HO, M. y STIROH, K. (2005), Information Technology and the

American Growth Resurgence, MIT Press, Cambridge

JORGENSON, W.; HO, M. y STIROH, K. (2005), "Growth of U.S. Industries and

Investments in Information Technology and Higher Education," en Measuring

Capital in the New Economy, varios autores, University of Chicago Press, Chicago,

págs. 403-478.

KALDOR, N. (1961), “Capital Accumulation and Economic Growth” in F. A. Lutz and D.

C. Hague, editors, The Theory of Capital. St. Martin Press, New York.

KAUFMANN, D. y KRAAY, A. (2002), “Growth without Governance”, Economía, Vol.

3, No. 1, págs. 169-229.

http://ideas.repec.org/h/nbr/nberch/10627.html

http://ideas.repec.org/h/nbr/nberch/10627.html



KAUFMANN, D.; KRAAY, A., y MASTRUZZI, M. (2009), “Governance Matters VIII:

Aggregate and Individual Governance Indicators, 1996-2008”, World Bank Policy

Research Working Paper No. 4978, disponible en http://ssrn.com/abstract=1424591

KAUFMANN, D.; KRAAY, A., y MASTRUZZI, M. (2011), The Worldwide Governance

Indicators (WGI) project, disponible en:

http://info.worldbank.org/governance/wgi/index.asp

KHAN, M. y LUINTEL, K. B. (2006), “Sources of knowledge and productivity: How

robust id the relationship? “, OECD, STI/WP 2006/6.

KIVIET, J. (1995), “On bias, inconsistency, and efficiency of various estimators in

dynamic panel data models”, Journal of Econometrics, nº 68 (1), págs. 53-78.

KOOPMANS, T. (1965), “On the concept of optimal economic growth,” in Econometric

Approach to Development Planning, North-Holland Publishing, cap. 4, págs. 225–

87, Amsterdam.

KOSACK, S. (2002), “Effective aid: How democracy allows development aid to improve

the quality of life”, World Development, nº 31, págs. 1-22

LALL, S. (1992), “Technological capabilities and industrialization”. World Development,

nº 20, págs. 165-186.

LEDERMAN, D. y MALONEY, W. (2003), “R&D and Development”. World Bank

Research Working, nº 3024.

LEITE C. y WEIDMANN, M. (2002), “Does Mother Nature Corrupt? Natural Resources,

Corruption and Economic Growth” en ABED, G.T. y GUPTA, S. (Eds.):

Governance, Corruption and Economic Performance, IMF, Washington DC, págs.

159-196.

LENSINK, R. y MORRISSEY, O. (2000), “Aid instability as a measure of uncertainty and

the positive impact of aid on growth”, Journal of Development Studies, nº 36, págs.

31-49.

LENSINK, R. y WHITE, H. (2000), “Aid allocation, poverty reduction and the assessing

aid report”, Journal of International Development, nº 12, págs. 399–412.

http://ssrn.com/abstract=1424591


Referencias


LENSINK, R. y WHITE, H. (2001), “Are there negative returns to aid?”, Journal of

Development Studies, nº 37 (6), págs. 42-65.

LEVI, V. (1987), “Anticipated development assistance, temporary relief aid and

consumption behavior in low-income countries”, The Economic Journal, nº 97.

LÓPEZ-PUEYO, C.; BARCENILLA-VISÚS, S. y SANAÚ, J. (2008), “International R&D

spillovers and manufacturing productivity: A panel data analysis”, Structural Change

and Economic Dynamics, nº 19, págs. 152–172

LUCAS, R. (1988), “On the Mechanics of Economic Development”, Journal of Monetary

Economics, nº 22, Julio, págs. 3–42.

LUNDVALL, B.A., (1985), Product Innovation and User–Producer Interaction, Aalborg

University Press, Aalborg.

MADDALA, G.S. (2000), An introduction to econometrics, McMillan, Londres.

MADSEN, J. B. (2008), “Semi-endogenous versus Schumpeterian growth models: testing

the knowledge production function using international data”, Journal of Economic

Growth, vol. 13, nº 1, págs. 1-26.

MALINVAUD, E. (1966), Statistical Methods of Econometrics, Rand McNally, Chicago,

MCGILLIVRAY, M., FEENY, S., HERMES, N. y LENSIK, R. (2006), “Controversies

over the impact of development aid: it works; it doesn’t; it can, but that depends...”,

Journal of International Development, nº 18, págs. 1031-1050.

MILANOVIC, B. (2006a), La era de las desigualdades, Editorial SISTEMA, Madrid.

MILANOVIC, B. (2006b), “La desigualdad mundial de la renta: qué es y por qué es

importante”, PRINCIPIOS, Estudios de Economía Política, nº 5, págs. 35-56

MINOIU, C. y REDDY, G.R. (2009), “Development Aid and Economic Growth: A

Positive Long-Run Relation”, IMF working paper, WP/09/118.

MOSLEY, P. (1980), “Aid, savings and growth revisited”, Bulletin of the Oxford

University Institute of Economics and Statistics, nº 42, págs. 79-95



MOSLEY, P.; HUDSON, J. y HORRELL, S. (1987), “Aid, the public sector and the

market in less developed countries”, Economic Journal, nº 97, págs. 616-641

NELSON, R.R. Y PHELPS, E.S. (1966), “Investment in humans, technological diffusion,

and economic growth”, The American Economic Review, nº56 (1/2), págs. 69-75

NELSON, R.R. y WINTER, S.G. (1982), An Evolutionary Theory of Economic Change,

Harvad University Press, Cambridge.

OCAMPO, J.A. (2005), “La búsqueda de la eficiencia dinámica: dinámica estructural y

crecimiento económico en los países en desarrollo”, en J.A. Ocampo (comp.), Mas

allá de las reformas. Dinámica estructural y vulnerabilidad económica, Bogotá,

D.C., cepal/Alfaomega.

OCDE (2005), Oslo Manual: Guidelines for collecting and Interpreting Innovation, 3ª

Edition, OECD Publications, Paris.

OCDE (2002), The Measurement of Scientific and Technological Activities. Frascati

Manual 2002: Proposed Standard Practice for Surveys on Research and

Experimental Development, OCDE, París.

OUATTARA B., y STROBL, E. (2008), “Aid, Policy and Growth: Does Aid Modality

Matter?”, Review of World Economics, nº 144, págs. 347-65.

PAPANEK, G.F. (1973), “Aid, foreign private investment, savings, and growth in less

developed countries”, Journal of Political Economy, nº 81, págs. 120-30.

PAVITT, R. y PATEL, P (1995), “Patterns of technological activity: their measurement

and interpretation”, en Handbook of the Economics of Innovative and Technological

Change, P. Stoneman (ed), Ed. Blackwell, Oxford.

PEREZ, C. (2006), Problemas resueltos de econometría, Thomson, Madrid.

PEREZ, C. y SOETE, L. (1988), “Catching up in technology: entry barriers and windows

of opportunity”, en Technical Change and Economic Theory, Dosi, G et. al. págs.

458-479.

Referencias


PROGRAMA DE LAS NACIONES UNIDAS PARA EL DESARROLLO (PNUD)

(2001), Informe sobre Desarrollo Humano. Poner el adelanto tecnológico al servicio

del desarrollo humano. Ediciones Mundi-Prensa, S.A. New York

PORTER, M.E. y S. STERN (2000), “Measuring the ‘Ideas’ Production Function,” mimeo,

MIT Sloan School of Management.

RAJAN, R.G. y SUBRAMANIAN, A. (2005a), “What Undermines Aid’s Impact on

Growth?”, IMF Working Paper, nº 05/126.

RAJAN, R. G. y SUBRAMANIAN, A. (2005b), “Aid and Growth: What Does the Cross-

Country Evidence Really Show?” IMF Working Paper, nº 05/127.

RAJAN, R.G. y SUBRAMANIAN, A. (2008), “Aid and Growth: What Does the Cross-

Country Evidence Really Show?”, Review of Economics and Statistics, vol. 90, nº 4,

págs. 643-665.

ROGERS, M. (2004), “Absorptive capability and economic growth: how do countries

catch-up?”, Cambridge Journal of Economics, nº 28, págs. 577-596.

ROMER, P. (1986), “Increasing Returns and Long-Run Growth”, Journal of Political

Economy, nº 94, 5 (octubre), págs. 1002-1037.

ROMER, P. (1987), “Growth Based on Increasing Returns Due to Specialization.”

American Economic Review, nº 77, Mayo, págs. 56–62.

ROMER, P. (1990), “Endogenous Technological Change”, Journal of Economy, nº 98,

págs. 71-102.

ROODMAN, D. (2006), “An index of donor performance”. Working Paper 67, Center for

Global Development, Washington, D.C.

ROODMAN, D. (2007), “The Anarchy of Numbers: Aid, Development, and Cross-

Country Empirics”, The World Bank Economic Review, vol. 21, nº 2, págs. 255-277.

ROODMAN, D. (2008), “A note on the theme of too many instruments”, Center for

Global Development Working Paper, nº 125.



ROODMAN, D. (2009), “How to do xtabond2: An introduction to difference and system

GMM in Stata”, The STATA Journal, vol. 9, nº 1, págs. 86-136

ROSENSTEIN-RODAN, P.N. (1961), “International aid for underdeveloped countries”,

The Review of Economics and Statistics, vol. XLIII, nº 2, págs. 107-138

SACHS, J.D. y WARNER, A.M. (1999), “The Big Push, Natural Resource Booms and

Growth”, Journal of Development Economics, nº 59, págs. 43-76.

SACHS, J. (2005), The End of Proverty: Economic Possibilities for Our Time, Penguin

Press, Nueva York.

SALA-I-MARTIN, X. (1999), Apuntes de crecimiento Económico, Antoni Bosch,

Barcelona.

SCHUMPETER, J. (1934), The Theory of Economic Development. Cambridge, Mass.:

Harvard University Press.

SCHUMPETER, J. (1939), Business Cycles: A Theoretical, Historical, and Statistical

Analysis of the Capitalist Process. McGraw-Hill, Nueva York y Londres.

SCHUMPETER, J. (1942), Capitalism, Socialism and Democracy, Harper, Nueva York.

SEBASTIÁN, J. y BENAVIDES, C. (2007), Ciencia, tecnología y desarrollo, AECID,

Madrid.

SOLOW, R. (1956), “A Contribution to the Theory of Economic Growth”, Quarterly

Journal Of Economics, nº 70, Febrero, págs. 65-94.

SOLOW, R. (1957), “Technical Change and the Aggregate Production Function”. Review

of Economics and Statistics, nº 39, Agosto, págs. 312–320.

SPINAK, E. (2001), “Indicadores cienciométricos”. Acimed, nº 9, págs. 42-49.

SVENSSON, J. (1999), “Aid, Growth and Democracy”, Economics and Politics, nº 11,

págs. 275-297.

SWAN, T. (1956), “Economic Growth and Capital Accumulation”, Economic Record, nº

32, Noviembre, págs. 334-361.

Referencias


TEZANOS, S. (2008a), “Modelos teóricos y empíricos de asignación geográfica de la

ayuda al desarrollo”, Principios, Estudios de Economía Política, nº 10, págs. 5-39.

TEZANOS, S. (2008b), Cooperación para el desarrollo. Asignación geográfica de la

ayuda española, Biblioteca Nueva, Madrid, 2008

TEZANOS, S. (2008c), “Políticas públicas de apoyo a la investigación para el desarrollo.

Estudio de los modelos IxD en Canadá, Holanda y Reino Unido”, ICEI Policy Paper,

PP04/08.

TEZANOS, S., MADRUEÑO, R. y GUIJARRO, M. (2009), “Impacto de la ayuda sobre el

crecimiento económico. El caso de América Latina y el Caribe”, Cuadernos

Económicos, Información Comercial Española, nº 78, págs. 187-220.

TEZANOS, S. (2010), “Ayuda y crecimiento: una relación en disputa”, Revista de

Economía Mundial, nº 26, diciembre, págs. 237-259

TEZANOS, S., GUIJARRO, M. y QUIÑONES, A. (2012), “Desigualdad, ayuda y

crecimiento: impacto macroeconómico de donaciones y créditos de ayuda en

América Latina y el Caribe”, Journal of Applied Economics (en prensa).

UNCTAD (2007), El conocimiento, el aprendizaje tecnológico y la innovación para el

desarrollo. Publicación de las Naciones Unidas, Nueva York y Ginebra.

UNITED NATIONS MILLENNIUM PROJECT TASK FORCE ON SCIENCE,

TECHNOLOGY, AND INNOVATION (2005), Innovation: Applying Knowledge in

Development. Earthscan, London.

VAN BIESEBROECK (2003), “Revisiting some productivity debates”, NBER Working

Paper, nº 10065.

VAN BIESEBROECK (2004), “Robustness of Productivity Estimates”, NBER Working

Paper, nº 10303.

VÁZQUEZ BARQUERO, A. (2005), Las nuevas fuerzas del desarrollo, Antoni Bosch,

Madrid.

VERSPAGEN, B. (1991), “A new empirical approach to catching up or falling behind”,

Structural change and economic dynamics, nº2, págs. 359-380.

http://www.ciberoamericana.com/pdf/DT_2010_3.pdf





VERSPAGEN, B. (1993), Uneven growth between interdependent economies. London:

Avebury.

WINDMEJER, F. (2005), “A finite sample correction for the variance of linear efficient

two-step GMM estimators”, Journal of Econometrics, Vol. 126, Issue 1, págs. 25-51.

6.2. Bases de datos

BANCO MUNDIAL (2011), World Development Indicators 2011, Washington DC.

CAD (2011), Development Database on Aid from DAC Members: DAC online,

OECD.Stat, disponible en http://www.oecd.org/dataoecd/

WEF (World Economic Forum) (2010), The global competitiveness report 2010-2011,

New York Oxford University Press.

http://www.oecd.org/dataoecd/


ANEXOS


ANEXO 1

LISTA DE PAÍSES RECEPTORES DE AOD SEGÚN

EL CAD

Anexo 1


Fuente: CAD (2011)

*Territorios

Países menos desarrollados

Países rentas bajas (< $935 por habitante en 2007)

Países y territorios de renta media ($936-$3.705 por habitante en 2007)

Países renta superior (3.706$-11.455$ por habitante en 2007)

Afganistán Angola Bangladesh Benín Bután Burkina Faso Burundi Camboya Rep. África Central Chad Comoras Dem. Rep. Congo Yibuti Guinea Ecuatorial Eritrea Etiopia Gambia Guinea Guinea-Bissau Haití Kiribati Laos Lesoto Liberia Madagascar Malawi Maldivas Mali Mauritania Mozambique Myanmar Nepal Níger Ruanda Samoa Santo Tomé y Príncipe Senegal Sierra Leona Islas Salomón Somalia Sudán Tanzania Timor-Leste Togo Tuvalu Uganda Vanuatu Yemen Zambia

Costa de Marfil Ghana Kenia Dem. Rep. Corea Rep. Kyrgyz Nigeria Pakistán Papúa y Guinea Tayikistán Uzbekistán Vietnam Zimbabue

Albania Argelia Armenia Azerbaiyán Bolivia Bosnia y Herzegovina Camerún Cabo Verde China Colombia Rep. Congo Rep. Dominicana Ecuador Egipto El Salvador Georgia Guatemala Guayana Honduras India Indonesia Irán Iraq Jordania Macedonia Islas Marshall Est. Fed. Micronesia Moldavia Mongolia Marruecos Namibia Nicaragua Niue Palestina Paraguay Perú Filipinas Sri Lanka Suazilandia Siria Tailandia *Tokelau Tonga Túnez Turkmenistan Ucrania *Wallis and Futuna

*Anguilla Antigua y Barbuda1

Argentina Barbados2

Bielorrusia Belice Botsuana Brasil Chile Islas Cook Costa Rica Croacia Cuba Dominica Fiyi Gabón Granada Jamaica Kazakstán Líbano Libia Malasia Mauricio *Mayotte México Montenegro *Montserrat Nauru Omán1

Palao Panamá Serbia3

Seychelles Sur África *Santa Helena San Cristóbal y Nieves Santa Lucia San Vicente y Granadinas Surinam Trinidad y Tobago2

Turquía Uruguay Venezuela



1 Antigua y Barbuda y Omán superaron el umbral de renta alta en 2007. De conformidad con las normas del

CAD ambos serán excluidos de la lista en 2011 si siguen siendo países de renta alta hasta 2010. 2 Barbados y Trinidad y Tobago superaron el umbral de renta alta en 2006 y 2007. De conformidad con las

normas del CAD para la revisión de esta lista, ambos estarán excluidos de la lista en 2011 si siguen siendo

países de renta alta hasta 2010. 3La ayuda para Kosovo se encuentra registrada en la ayuda a Serbia. Kosovo estará fuera del listado siempre

y cuando sea reconocido por la ONU.

Esta lista del CAD se aprobó en septiembre de 2008 y se utilizó para la presentación de

informes en el año 2009 respecto a 2008. Presenta a los países y territorios en grupos. Los

países menos adelantados (PMA), definidos por las Naciones Unidas se encuentran en la

primera columna, las otras columnas muestran todos los demás beneficiarios de la AOD de

acuerdo con su Renta Nacional Bruta (RNB) per cápita según la información del Banco

Mundial.


ANEXO 2

ESQUEMA DE TEORÍAS DE CRECIMIENTO CON

INNOVACIÓN TECNOLÓGICA

Anexo 2


Autor Tipo de modelo

Fuentes de crecimiento Rasgos característicos

Schumpeter (1939)

Endógeno Racimos de innovación Inestabilidad de crecimiento, teoría explicativa del ciclo largo tipo Kondratiev

Solow (1956) Exógeno Crecimiento demográfico y progreso tecnológico exógeno.

Carácter transitorio del crecimiento en ausencia de progreso tecnológico.

Arrow (1962) Semi-endógeno

Fallos del mercado y deficiencias respecto a la competencia perfecta

Aprendizaje por la práctica y la acumulación del conocimiento.

Romer (1986) Endógeno Innovación tecnológica Aumento de la cantidad de bienes intermedios.

Lucas (1988) Endógeno Externalidades del capital humano

Acumulación de capital Acemoglu

(2008) Endógeno Innovación tecnológica Crecimiento económico,

progreso técnico y gasto en Grosman y

Helpman

Endógeno Innovación tecnológica Mejora de la calidad de los productos.

Aghion y Howitt (1998)

Endógeno Innovación tecnológica Mejora de la calidad de productos.

Jones (1995b) Endógeno Mejoras en los niveles de educación.

Número de científicos como determinantes del crecimiento.

Fuente: Elaboración propia


ANEXO 3

INFLUENCIA DE LA INNOVACIÓN EN EL

CRECIMIENTO. PRINCIPALES ESTUDIOS

EMPÍRICOS

Anex

o 3

Aino

a Q

uiño

nes M

onte

llano

187

Est

udio

M

uest

ra

Año

s T

écni

ca d

e es

timac

ión

Prin

cipa

les R

esul

tado

s

Coe

y H

elpm

an (1

995)

21

paí

ses d

e la

O

CD

E e

Isra

el.

1971

-199

0 A

nális

is d

e re

gres

ión,

dat

os

en p

anel

.

La I+

D e

xtra

njer

a tie

ne m

ás e

fect

o en

un

país

cua

nto

más

abi

erto

est

é al

co

mer

cio,

cua

nto

más

inv

ierta

en

I+D

y c

uant

o m

ayor

sea

el

nive

l de

ed

ucac

ión

de s

us tr

abaj

ador

es (

porq

ue s

erá

capa

z de

asi

mila

r m

ejor

los

spill

over

s tec

noló

gico

s).

Jone

s (19

95)

EEU

U

1950

-199

1 A

nális

is d

e re

gres

ión,

serie

s te

mpo

rale

s

En E

EUU

el n

úmer

o de

cie

ntífi

cos

en e

l sec

tor

de la

I+D

ha

pasa

do d

e 55

4.00

0 en

197

0 a

960.

000

en 1

991

y el

cre

cim

ient

o de

la p

rodu

ctiv

idad

to

tal

de l

os f

acto

res

se h

a m

ante

nido

con

stan

te,

incl

uso

decr

ecie

nte,

a

pesa

r de

l co

ntin

uo i

ncre

men

to d

el g

asto

en

I+D

y d

el n

úmer

o de

in

geni

eros

y c

ient

ífico

s. C

oe, H

elpm

an y

H

offm

aist

er (1

997)

77

paí

ses e

n de

sarr

ollo

y

22 p

aíse

s de

sarr

olla

dos

1971

-199

0 A

nális

is d

e re

gres

ión,

dat

os

en p

anel

Estim

an e

l im

pact

o de

l sto

ck d

e la

I+D

ext

ranj

era

de u

na e

cono

mía

sobr

e la

PTF

de

los

país

es e

n de

sarr

ollo

. Es

dec

ir, a

naliz

an s

i lo

s pa

íses

en

desa

rrol

lo s

e be

nefic

ian

del

esfu

erzo

de

I+D

eje

cuta

do p

or l

os p

aíse

s de

sarr

olla

dos.

Su p

rinci

pal c

oncl

usió

n es

que

el s

tock

de

I+D

de

un so

cio

com

erci

al ti

ene

un im

pact

o po

sitiv

o y

sign

ifica

tivo

sobr

e la

PTF

del

paí

s lo

cal.

G

ordo

n (2

000)

EE

UU

19

95-2

000

Aná

lisis

de

regr

esió

n, se

ries

tem

pora

les

La

ac

eler

ació

n de

la

pr

oduc

tivid

ad

de

EEU

U

se

atrib

uye

casi

ex

clus

ivam

ente

al s

ecto

r TIC

.

Port

er y

Ste

rn (2

000)

17

paí

ses d

e la

O

CD

E 19

73-1

996

Aná

lisis

de

regr

esió

n, d

atos

en

pan

el

Estim

an lo

s pa

rám

etro

s de

la fu

nció

n de

pro

ducc

ión

de id

eas

y al

canz

an

a cu

atro

con

clus

ione

s: i

) la

I+D

aum

enta

la

prod

uctiv

idad

de

man

era

prop

orci

onal

al n

úmer

o de

ide

as y

a de

scub

ierta

s; ii

) la

prod

uctiv

idad

de

las

idea

s en

un

país

det

erm

inad

o es

con

stan

te o

dec

reci

ente

con

el s

tock

m

undi

al d

e id

eas;

iii)

la fu

nció

n de

pro

ducc

ión

de id

eas

es c

ónca

va y

la

vinc

ulac

ión

entre

la

pr

oduc

ción

de

id

eas

y el

cr

ecim

ient

o de

la

pr

oduc

tivid

ad e

s pe

queñ

a; y

iv)

exi

ste

una

brec

ha e

ntre

la

prod

ucci

ón

sost

enid

a de

ide

as p

or l

as e

cono

mía

s av

anza

das

y la

cap

acid

ad d

e tra

duci

r las

idea

s en

crec

imie

nto

de la

pro

duct

ivid

ad.

Gum

bau

y M

audo

s (2

001)

La

s reg

ione

s es

paño

las

1986

-199

6 A

nális

is d

e re

gres

ión,

dat

os

en p

anel

Exis

te u

na c

orre

laci

ón p

ositi

va e

ntre

la

posi

ción

tec

noló

gica

de

las

regi

ones

y s

u ni

vel

de r

enta

per

cap

ita.

Las

regi

ones

que

rea

lizan

un

may

or e

sfue

rzo

inno

vado

r so

n la

s qu

e al

canz

an m

ayor

es n

ivel

es d

e re

nta.

Impa

cto

de la

inno

vaci

ón y

la a

yuda

cie

ntífi

co-te

cnol

ógic

a en

los p

aíse

s en

desa

rrol

lo

Aino

a Q

uiño

nesM

onte

llano

18

8

Est

udio

M

uest

ra

Año

s T

écni

ca d

e es

timac

ión

Prin

cipa

les R

esul

tado

s

Gri

ffith

, Red

ding

y

Van

Ree

nen

(200

4)

Indu

stria

s de

12

país

es d

e la

OC

DE

1974

-199

0 A

nális

is d

e re

gres

ión,

dat

os

en p

anel

La I+

D m

ejor

a la

cap

acid

ad p

rodu

ctiv

a de

las

empr

esas

de

form

a di

rect

a (m

ejor

as t

ecno

lógi

cas)

e i

ndire

ctam

ente

(tra

nsfe

renc

ias

de t

ecno

logí

a qu

e m

ejor

an la

cap

acid

ad d

e ab

sorc

ión)

. La

I+D

tien

e un

pes

o im

porta

nte

en e

l cre

cim

ient

o ec

onóm

ico,

seg

uida

de

l cap

ital h

uman

o y

el c

omer

cio.

G

uelle

c y

Van

Po

ttel

sber

gue

(200

1)

16 p

aíse

s mie

mbr

os

de la

OC

DE

1980

-199

8 A

nális

is d

e re

gres

ión,

dat

os

en p

anel

Tres

con

clus

ione

s pr

inci

pale

s: i

) la

I+D

es

muy

im

porta

nte

para

la

prod

uctiv

idad

y e

l cr

ecim

ient

o ec

onóm

ico;

ii)

los

gobi

erno

s de

bería

n pr

opor

cion

ar la

fin

anci

ació

n pa

ra la

I+D

rea

lizad

a en

el s

ecto

r pú

blic

o,

en p

artic

ular

en

la e

nseñ

anza

sup

erio

r, qu

e tie

ne u

n im

pact

o so

bre

el

crec

imie

nto

a la

rgo

plaz

o; y

iii)

el e

fect

o pr

ovoc

ado

por

la I

+D p

úblic

a so

bre

el c

reci

mie

nto

depe

nde

de la

inte

nsid

ad d

el e

sfue

rzo

en la

I+D

de

las e

mpr

esas

. Jo

nes (

2002

) G

5 (F

ranc

ia,

Ale

man

ia,

Japó

n, R

eino

Uni

do

y EE

UU

)

1950

-199

3 A

nális

is d

e re

gres

ión,

cor

te

trans

vers

al

El 7

0% d

el c

reci

mie

nto

se a

tribu

ye a

un

aum

ento

en

el s

tock

de

idea

s pr

oduc

idas

por

los i

nves

tigad

ores

de

los p

aíse

s del

G-5

. En

EEU

U la

tasa

de

cre

cim

ient

o m

edia

de

prod

uctiv

idad

del

tra

bajo

fue

de

un 2

%, a

lo

que

cont

ribuy

o co

n un

1,4

% e

l sto

ck d

e co

noci

mie

ntos

del

G5

y co

n un

0,

6% p

roce

dent

e de

l aum

ento

de

la e

duca

ción

. L

eder

man

y M

alon

ey

(200

3)

Cua

tro g

rupo

s de

país

es d

e A

mér

ica

Latin

a, A

sia,

ex

porta

dore

s de

man

ufac

tura

s y

país

es c

on

abun

danc

ia d

e re

curs

os n

atur

ales

.

A

nális

is d

e re

gres

ión,

dat

os

en p

anel

Exis

te u

na c

lara

rela

ción

pos

itiva

ent

re e

l gas

to e

n I+

D y

el l

ogar

itmo

del

PIB

per

cap

ita. E

l gas

to e

n I+

D s

e in

crem

enta

con

el n

ivel

de

desa

rrol

lo

y su

tasa

de

crec

imie

nto

tam

bién

se

incr

emen

ta a

med

ida

que

el P

IB p

er

capi

ta a

umen

ta.

Encu

entra

n qu

e la

s v a

riabl

es q

ue e

xplic

an e

l m

ayor

ga

sto

en I

+D e

n lo

s pa

íses

de

may

ores

ingr

esos

res

pect

o de

los

país

es

pobr

es s

on e

l si

stem

a fin

anci

ero,

la

prot

ecci

ón d

e lo

s de

rech

os d

e pr

opie

dad

inte

lect

ual,

la m

ayor

efic

ienc

ia d

el g

obie

rno

para

mov

iliza

r re

curs

os y

la

calid

ad d

e la

s in

stitu

cion

es e

n la

s qu

e se

lle

va a

cab

o la

in

vest

igac

ión.

Est

as v

aria

bles

exp

lican

por

qué

los

esf

uerz

os e

n I+

D

aum

enta

n co

n el

niv

el d

e de

sarr

ollo

. Est

iman

que

un

aum

ento

del

gas

to

en I

+D e

n m

edio

pun

to p

orce

ntua

l de

l PI

B, a

umen

taría

el

crec

imie

nto

del P

IB e

ntre

0,3

y 0

,4 p

unto

s por

cent

uale

s anu

ales

.

Anex

o 3

Aino

a Q

uiño

nes M

onte

llano

189

Est

udio

M

uest

ra

Año

s T

écni

ca d

e es

timac

ión

Prin

cipa

les R

esul

tado

s

Den

is e

t al (

2004

) U

E y

EEU

U

1960

-200

4 19

75-2

004

Aná

lisis

de

regr

esió

n, se

ries

tem

pora

les

Com

para

n la

evo

luci

ón d

e la

pro

duct

ivid

ad d

e la

UE

con

la d

e EE

UU

de

sde

1960

, des

taca

ndo

que

hast

a 19

90 la

pro

duct

ivid

ad c

reci

ó a

tasa

s m

ás a

ltas

en E

urop

a, y

a p

artir

de

ento

nces

ha

ocur

rido

lo c

ontra

rio. L

as

caus

as d

e es

te re

troce

so c

on re

laci

ón a

EEU

U s

e at

ribuy

en a

los

fact

ores

de

cre

cim

ient

o en

dóge

no: m

enor

esf

uerz

o en

I+D

y e

duca

ción

. D

enis

et a

l (20

04)

País

es d

e la

OC

DE

1975

-200

0 A

nális

is d

e re

gres

ión,

dat

os

en p

anel

Cal

cula

n el

efe

cto

de la

rgo

plaz

o so

bre

la p

rodu

ctiv

idad

, con

side

rand

o un

a fu

nció

n de

pr

oduc

ción

de

C

obb–

Dou

glas

co

n re

ndim

ient

os

cons

tant

es d

e es

cala

y d

onde

la P

TF a

umen

ta c

on la

I+D

y la

edu

caci

ón.

La e

stim

ació

n ec

onom

étric

a de

las

elas

ticid

ades

con

firm

a el

impo

rtant

e pa

pel d

e la

I+D

y, e

n m

enor

med

ida,

de

la e

duca

ción

, la

aper

tura

y e

l ta

mañ

o de

l pa

ís.

Estim

an

el

efec

to

de

un

aum

ento

de

l es

fuer

zo

inve

stig

ador

de

un 1

% d

el P

IB s

obre

el P

IB p

er c

apita

. A c

orto

pla

zo, e

l ef

ecto

var

ía e

ntre

un

0 y

0,6%

, per

o a

larg

o pl

azo,

teni

endo

en

cuen

ta e

l ef

ecto

de

real

imen

taci

ón d

e lo

s co

noci

mie

ntos

gen

erad

os h

oy s

obre

la

inve

stig

ació

n fu

tura

, el e

fect

o pu

ede

llega

r al 1

8%.

Frau

men

i y O

kubo

(2

005)

EE

UU

19

61-2

000

Aná

lisis

de

regr

esió

n, se

ries

tem

pora

les

Se c

onta

biliz

a la

I+D

com

o in

vers

ión

y no

com

o ga

sto

corr

ient

e, lo

que

pe

rmite

una

mej

or i

dent

ifica

ción

de

las

varia

bles

que

son

im

porta

ntes

pa

ra

un

anál

isis

de

la

s fu

ente

s de

cr

ecim

ient

o y,

po

r ta

nto,

la

de

term

inac

ión

de l

a co

ntrib

ució

n de

la

I+D

al

desa

rrol

lo e

conó

mic

o.

Estim

an u

na c

ontri

buci

ón d

e 0,

38 p

unto

s po

rcen

tual

es d

el c

reci

mie

nto

del P

IB a

l efe

cto

de la

I+D

. Jo

rgen

son,

Ho

y St

iroh

(200

5)

EEU

U

1995

-200

2 A

nális

is d

e re

gres

ión,

serie

s te

mpo

rale

s

Ana

lizan

las

fuen

tes

del c

reci

mie

nto

econ

ómic

o, d

e la

pro

duct

ivid

ad d

el

traba

jo y

de

la P

TF e

n EE

UU

. Lo

s re

sulta

dos

conf

irman

la

crec

ient

e ap

orta

ción

de

la in

vers

ión

en T

IC e

n la

exp

licac

ión

de lo

s fu

ndam

ento

s de

la e

cono

mía

de

EE U

U. E

n lo

que

se re

fiere

al c

reci

mie

nto

econ

ómic

o en

el

perío

do 1

995-

2002

, la

inv

ersi

ón e

n te

cnol

ogía

s di

gita

les

ha

expl

icad

o un

os 0

,64

punt

os p

orce

ntua

les

del

aum

ento

del

PIB

, lo

que

re

pres

enta

un

17,8

% d

el c

reci

mie

nto

econ

ómic

o en

el p

erío

do, f

rent

e a

una

parti

cipa

ción

del

15,

2% e

n el

per

íodo

198

9-19

95, d

el 1

1,8%

en

el

perío

do 1

973-

1989

y d

el 2

,8%

en

el p

erío

do 1

948-

1973

.

Impa

cto

de la

inno

vaci

ón y

la a

yuda

cie

ntífi

co-te

cnol

ógic

a en

los p

aíse

s en

desa

rrol

lo

Aino

a Q

uiño

nesM

onte

llano

19

0

Est

udio

M

uest

ra

Año

s T

écni

ca d

e es

timac

ión

Prin

cipa

les R

esul

tado

s

Agh

ion

y H

owitt

(2

005)

U

E y

EEU

U

1960

-200

0 A

nális

is d

e re

gres

ión,

serie

s te

mpo

rale

s

Ana

liza

cóm

o la

s po

lític

as

mac

roec

onóm

icas

no

tie

nen

el

mis

mo

resu

ltado

en

un p

aís

que

en o

tro.

En u

n pa

ís s

ituad

o en

la

fron

tera

te

cnol

ógic

a, e

l cre

cim

ient

o de

pend

e ca

da v

ez m

ás d

el n

ivel

de

educ

ació

n un

iver

sita

ria e

n la

fue

rza

labo

ral,

mie

ntra

s qu

e en

los

situ

ados

fue

ra d

e es

ta fr

onte

ra d

epen

den

toda

vía

más

del

pes

o de

la e

duca

ción

sec

unda

ria

en e

l tot

al d

e la

pob

laci

ón e

mpl

eada

. Se

util

iza

del

mod

elo

de “

dest

rucc

ión

crea

dora

” pa

ra e

stab

lece

r qu

e au

nque

la m

ayor

par

te d

e lo

s m

odel

os e

logi

an la

acu

mul

ació

n de

cap

ital,

a ve

ces

es m

ucho

más

efic

ient

e de

stru

irla.

Es

deci

r, el

cre

cim

ient

o de

un

país

suel

e se

r más

rápi

do c

onfo

rme

se a

cerc

a a

la fr

onte

ra te

cnol

ógic

a, s

i se

man

tiene

n lo

s m

erca

dos

tota

lmen

te a

bier

tos

a la

ent

rada

de

nuev

as

idea

s o n

uevo

s com

petid

ores

, que

o b

ien

expu

lsan

del

neg

ocio

a la

s ide

as

ante

riore

s o

a la

s em

pres

as e

stab

leci

das,

o bi

en la

s in

cent

ivan

a in

verti

r pa

ra p

oder

sobr

eviv

ir.

Jorg

enso

n,

Ho

y St

iroh

(200

5)

País

es d

el G

7 19

80-2

001

Aná

lisis

de

regr

esió

n, d

atos

en

pan

el

Estu

dian

el

pape

l de

sem

peña

do p

or l

as T

IC e

n la

s m

ejor

as d

e la

ef

icie

ncia

glo

bal

de l

as e

cono

mía

s de

l G

7. E

l co

mpo

nent

e TI

C e

n la

pr

oduc

tivid

ad t

otal

de

los

fact

ores

ha

aum

enta

do s

igni

ficat

ivam

ente

su

parti

cipa

ción

en

el p

erío

do 1

995-

2001

con

rel

ació

n al

per

íodo

198

9-19

95, e

xplic

ando

des

de lo

s 0,

82 p

unto

s po

rcen

tual

es d

el a

umen

to d

e la

pr

oduc

tivid

ad d

el tr

abaj

o en

Gra

n B

reta

ña, a

los 0

,17

punt

os d

e C

anad

á.

Agh

ion,

Com

in y

H

owitt

(200

6)

118

país

es

1960

-200

0 A

nális

is d

e re

gres

ión,

dat

os

en p

anel

Un

país

po

co

adel

anta

do

nece

sita

pa

ra

inno

var

que

una

empr

esa

extra

njer

a in

vier

ta e

n él

y l

e tra

nsfie

ra t

ecno

logí

a. P

ara

ello

, el

paí

s re

cept

or t

ambi

én n

eces

ita i

nver

tir e

n I+

D p

ara

pode

r ab

sorb

er e

sta

tecn

olog

ía, a

lgo

que

se c

onsi

gue

en lo

s p

aíse

s co

n m

ás a

horr

o in

tern

o.

El m

odel

o ex

plic

a la

rela

ción

ent

re la

tasa

de

ahor

ro y

el c

reci

mie

nto

en

país

es a

leja

dos

de la

fron

tera

tecn

ológ

ica,

no

sien

do a

sí e

n pa

íses

que

si

está

n en

ella

.

Anex

o 3

Aino

a Q

uiño

nes M

onte

llano

191

Est

udio

M

uest

ra

Año

s T

écni

ca d

e es

timac

ión

Prin

cipa

les R

esul

tado

s

Kha

n y

Lui

ntel

(200

6)

16 p

aíse

s de

la

OC

DE

1980

-200

2 A

nális

is d

e re

gres

ión,

dat

os

en p

anel

Se a

naliz

a la

con

tribu

ción

al

aum

ento

de

la P

TF d

e di

vers

as v

aria

bles

ex

plic

ativ

as:

stoc

k de

con

ocim

ient

os p

rivad

o, p

úblic

o y

extra

njer

o, l

as

infr

aest

ruct

uras

, la

Inv

ersi

ón E

xtra

njer

a D

irect

a, l

as e

xpor

taci

ones

de

alta

tec

nolo

gía

y el

cap

ital h

uman

o. L

os r

esul

tado

s fu

eron

que

las

tres

varia

bles

de

cono

cim

ient

o tie

nen

sign

o po

sitiv

o y

sign

ifica

tivo

en to

dos

los p

aíse

s. A

cem

oglu

, Agh

ion

y Zi

libot

ti (2

006)

Pa

íses

no

perte

neci

ente

s a la

O

CD

E, in

cluy

endo

C

orea

y M

éxic

o.

1965

-199

5 A

nális

is d

e re

gres

ión,

dat

os

en p

anel

Eval

uaci

ón d

e pr

os y

con

tras d

e la

s est

rate

gias

de

crec

imie

nto

basa

das e

n la

inve

rsió

n en

cap

ital f

ísic

o y

en in

nova

ción

. La

prem

isa

prin

cipa

l del

an

ális

is e

s qu

e la

inno

vaci

ón e

s m

ás im

porta

nte

cuan

do

una

econ

omía

es

tá m

ás p

róxi

ma

a la

fron

tera

tecn

ológ

ica

mun

dial

. Las

em

pres

as ti

enen

po

co in

cent

ivo

a in

nova

r cua

ndo

cont

rola

n el

mer

cado

nac

iona

l y n

o ha

y co

mpe

tenc

ia

exte

rna.

C

on

com

pete

ncia

ex

tern

a,

la

inno

vaci

ón

es

fund

amen

tal

para

man

tene

r el

lid

eraz

go d

el m

erca

do.

Las

traba

s a

la

aper

tura

inte

rnac

iona

l hac

en m

ás d

año

a lo

s pa

íses

que

est

án m

ás c

erca

de

la fr

onte

ra te

cnol

ógic

a.

Mad

sen

(200

8)

21 p

aíse

s de

sarr

olla

dos

1965

-200

4 (c

on d

atos

de

I+D

) 18

98-2

004

(con

dat

os

de p

aten

tes)

Aná

lisis

de

regr

esió

n, d

atos

en

pan

el

Se e

stim

an d

istin

tas

espe

cific

acio

nes

de l

as t

eoría

s de

cre

cim

ient

o sc

hum

pete

riana

s pa

ra v

alor

ar s

u cu

mpl

imie

nto

a la

rgo

plaz

o. S

e re

aliz

a un

aná

lisis

de

sens

ibili

dad

con

dive

rsas

alte

raci

ones

en

la m

edic

ión

de la

di

stan

cia

a la

fron

tera

tecn

ológ

ica,

el d

efla

ctor

de

la I+

D, l

a m

edic

ión

de

los

spill

over

s te

cnol

ógic

os in

tern

acio

nale

s y

la in

trodu

cció

n de

rup

tura

s es

truct

ural

es. L

os re

sulta

dos d

emue

stra

n qu

e el

esq

uem

a sc

hum

pete

riano

ex

plic

a el

com

porta

mie

nto

de l

as s

erie

s te

mpo

rale

s, pe

ro n

o lo

s co

rtes

trans

vers

ales

ana

lizad

os.

Bar

ceni

lla, L

ópez

-Pu

eyo

y Sa

naú

(200

8)

10 se

ctor

es

prod

uctiv

os

man

ufac

ture

ros e

n 6

país

es d

esar

rolla

dos

1979

-200

0

Estim

an la

PTF

de

cada

sect

or y

com

prue

ban

que

la in

nova

ción

obt

enid

a de

otro

s pa

íses

tie

ne m

ás e

fect

o qu

e la

gen

erad

a po

r el

pro

pio

sect

or

sobr

e su

pro

duct

ivid

ad.

Impa

cto

de la

inno

vaci

ón y

la a

yuda

cie

ntífi

co-te

cnol

ógic

a en

los p

aíse

s en

desa

rrol

lo

Aino

a Q

uiño

nesM

onte

llano

19

2

Fuen

te: E

labo

raci

ón p

ropi

a

Est

udio

M

uest

ra

Año

s T

écni

ca d

e es

timac

ión

Prin

cipa

les R

esul

tado

s

Bar

ro y

Sal

a-i-M

artin

(2

009)

H

ong

Kon

g,

Sing

apur

, Cor

ea d

el

Sur y

Tai

wán

1966

-199

0 A

nális

is d

e re

gres

ión,

dat

os

en p

anel

La p

rinci

pal

fuen

te d

e cr

ecim

ient

o es

el

prog

reso

tec

noló

gico

. D

e ac

uerd

o co

n su

s es

timac

ione

s pa

ra c

uatro

paí

ses

de A

sia

Orie

ntal

en

Hon

g K

ong

el 5

9% d

el c

reci

mie

nto

del P

IB p

uede

atri

buirs

e al

pro

gres

o te

cnol

ógic

o, e

l 49

% e

n Si

ngap

ur y

el

53%

en

Taiw

án.

Úni

cam

ente

la

tasa

de

crec

imie

nto

de C

orea

del

Sur

pue

de e

xplic

arse

en

buen

a pa

rte p

or

la a

cum

ulac

ión

de fa

ctor

es e

xóge

nos.


ANEXO 4

DISTRIBUCIÓN DE LA AOD-CT POR PAÍSES Y

SECTORES (2005-2008)

Anexo 4

Ainoa QuiñonesMontellano 195

1118

2: In

vest

. en

Educ

ació

n

1133

0: F

orm

ació

n Pr

ofes

iona

l

1142

0: E

nseñ

anza

Su

perio

r

1143

0: F

orm

ació

n té

cnic

a y

gest

ión

avan

zada

1218

1: E

duca

ción

y

form

ació

n M

édic

a

1218

2: In

vest

. Méd

ica

1226

1: E

duca

ción

sob

re

salu

d

1228

1: P

erfe

ccio

-na

mie

nto

del

per

sona

l sa

nita

rio

1308

1: F

orm

ació

n de

pe

rson

al e

n as

unto

s de

po

blac

ión

y sa

lud

repr

oduc

tiva

1408

1: E

duca

ción

y

capa

cita

ción

sob

re

sum

inis

tro d

e ag

ua y

sa

neam

ient

o

Pakistán 0.180591 23.628404 58.744060 0.137968 0.076457 0.000000 0.048405 0.034894 0.001859 0.295514Palau 0.000000 0.000000 11.571412 1.164139 0.000000 0.000000 0.428239 68.246022 0.000000 0.000000Palestina 0.456620 15.410432 46.285135 2.352224 0.369774 0.000000 0.897398 1.682390 0.000000 1.471006Panamá 1.070548 29.545826 42.869552 3.936776 0.508658 0.281539 5.048726 0.236512 0.000000 0.000000Papúa Nueva Guinea 0.000000 4.251993 9.677387 1.301398 0.930210 9.956801 0.374661 0.127951 0.000000 0.006682Paraguay 1.328015 46.198695 25.334681 1.977684 0.273392 0.566817 0.112316 4.512154 0.000000 0.009326Perú 3.098081 27.366949 33.881851 2.529814 0.090804 5.367153 1.525738 0.442243 0.000000 6.392812Filipinas 0.182450 14.754148 44.320926 1.216178 0.228891 0.375670 2.429063 0.544590 2.936923 0.441348Ruanda 0.007151 6.086014 37.553302 1.797041 1.406701 0.149085 0.584882 9.074911 0.084413 0.269613Sao Tome y Príncipe 0.000000 2.669685 83.691082 1.140503 0.006958 0.000000 0.790617 0.000000 0.000000 0.235239Senegal 0.070260 7.159757 44.112063 0.429989 0.033479 13.820117 0.045319 0.412430 0.217925 0.001063Serbia 0.082088 14.294741 55.425676 0.877652 0.195753 0.105311 5.093222 0.063297 0.000000 0.000000Seychelles 0.000000 0.655335 31.784847 0.270894 0.578096 17.744144 0.000000 0.000000 0.000000 0.000000Sierra Leona 0.034690 36.030113 18.930728 0.020127 0.000000 0.686358 0.612027 1.847963 0.000000 1.856657Salomón Islas 0.000000 29.720360 24.495591 0.176148 0.000000 0.000000 1.389989 0.000000 0.000000 0.000000Somalia 1.084240 24.424982 12.821726 3.383487 8.708459 2.005820 15.382983 10.614891 0.000000 2.339625Sur África 7.635953 15.409092 23.245986 4.020978 1.817754 2.321841 2.752832 0.722949 0.044589 0.000440Sri Lanka 0.000000 50.418273 24.952714 0.128116 1.015046 0.099251 0.186133 0.050575 0.003284 0.007510St. Cristobal y Nieves 0.000000 13.640356 85.589116 0.454202 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000St. Lucia 0.000000 58.026092 28.896741 0.054237 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000S.Vincente y Granadinas 0.000000 0.000000 54.038431 0.553840 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Sudan 1.852331 11.465781 42.590587 1.859862 0.982059 1.208447 2.141697 1.259541 0.156241 0.403776Surinam 0.000000 0.000000 96.282900 0.037570 0.556359 0.000000 0.000000 0.000000 0.000000 0.000000Suazilandia 0.000000 3.046095 24.245300 34.238571 2.942124 0.000000 1.282655 0.000000 0.000000 0.000000Siria 0.208876 0.434693 88.489286 0.189787 0.652972 0.014921 0.354980 0.237861 0.000000 1.368309Tayikistán 0.000000 30.682255 17.350166 1.828705 2.580641 0.221763 0.127644 1.589433 0.000000 0.649072Tanzania 0.067289 3.534395 64.216555 1.485068 1.003323 1.437231 1.955746 1.463781 0.064195 0.303442Tailandia 0.424402 1.351570 45.361090 1.620756 0.153136 14.759059 0.018073 0.012044 0.000644 0.000000Timor-Leste 0.033953 12.360090 61.286714 2.300110 1.354272 0.000000 0.389385 0.118499 0.019949 0.000000Togo 0.000000 1.638648 90.329448 0.371094 0.163752 0.160488 0.803717 0.372537 0.000000 0.024098Tonga 0.900534 4.998610 65.770257 0.317100 0.000000 0.000000 0.095062 0.000000 0.000000 0.000000Trinidad y Tobago 0.000000 0.043177 5.930084 84.595891 0.000000 0.297610 0.000000 0.000000 0.000000 0.000000Tunez 0.059030 10.288879 83.622909 0.734323 0.001373 1.131111 0.000000 0.000000 0.000000 0.032140Turquía 0.476795 2.809124 78.694221 0.038492 0.006569 0.000000 0.205248 0.005681 0.000000 0.047333Turkmenistán 0.000000 33.898732 48.999990 4.266914 0.000000 0.000000 0.169099 0.220261 0.000000 0.000000Tuvalu 0.000000 0.110740 63.838221 0.000000 0.000000 0.000000 0.174093 0.000000 0.000000 0.000000Uganda 0.019182 12.469577 48.285500 2.187636 5.971735 0.120316 0.534973 1.077871 0.012202 0.813443Ucrania 0.218551 0.236072 73.533873 2.506272 0.114676 0.104817 0.012009 0.049466 0.000000 0.004840Uruguay 0.583100 1.961465 33.234146 1.642081 0.124876 5.992823 0.206234 0.000000 0.000000 0.108924Uzbekistán 0.053345 36.752680 39.299220 1.720724 0.261476 0.000000 0.863053 0.141840 0.000000 0.000000Vanuatu 0.002680 20.975294 55.086444 0.093705 0.213898 0.765632 0.020178 3.107887 0.000000 0.000000Venezuela 0.136730 9.832374 81.913117 0.337241 0.000000 0.071951 0.445930 0.137937 0.000000 0.000000Vietnam 0.608907 6.347634 60.775312 2.544000 2.683098 2.784467 0.436093 0.280999 0.000000 1.068271Yemen 0.972762 21.469630 53.993783 1.340214 0.056095 0.000000 0.168372 0.776615 1.954753 11.554344Zambia 0.682818 10.282189 23.989384 1.610771 0.976685 1.499810 2.877169 0.942447 0.383714 3.224740Zimbabue 0.119218 0.841396 37.950661 0.670126 0.600839 1.135364 5.381236 0.452847 0.520324 0.064529



1606

2: F

omen

to d

e la

ca

paci

dad

esta

díst

ica

2108

1: E

duca

ción

y

capa

cita

ción

sob

re

trans

porte

y

alm

acen

ami-e

nto

2308

1: E

duca

ción

y

capa

cita

ción

sob

re

ener

gía

2308

2: In

vest

. En

ergé

tica

2408

1: E

duca

ción

y

capa

cita

ción

sob

re

serv

icio

s ba

ncar

ios

y fin

anci

eros

3116

6: E

xten

sión

A

gríc

ola

3118

1: E

duca

ción

y

capa

cita

ción

sob

re

agric

ultu

ra

3118

2: In

vest

. agr

ícol

a

3128

1: E

duca

ción

y

capa

cita

ción

fore

stal

3128

2: In

vest

. Fo

rest

al

TOTAL receptores 1.482523 0.117129 0.349126 0.171356 0.387996 3.748728 1.219237 6.731053 0.112730 0.210932Afganistán 2.114427 0.098239 0.000000 0.027264 0.000000 1.455942 0.177327 0.396502 0.000000 0.000000Albania 7.806154 0.014210 0.105548 0.000000 1.572791 1.194612 0.376453 0.442357 0.000000 0.000000Argelia 0.048593 0.000000 0.030249 0.000000 0.009386 0.000000 0.030333 0.011645 0.000000 0.000000Angola 3.652676 0.000000 1.751733 0.000000 0.302944 10.817820 1.541005 0.607361 0.000000 0.152850Antigua y Barbuda 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Saudí Arabia 0.000000 0.119887 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Argentina 0.691222 0.000000 0.097321 0.001411 0.001032 1.470195 1.769737 3.741861 0.045323 0.002400Armenia 0.189589 0.000000 0.278388 0.000000 0.304638 7.146738 0.068059 0.067269 0.000000 0.000000Azerbaiyán 1.112074 0.000000 5.028591 0.000000 0.574296 11.304617 0.498850 0.084584 0.000000 0.000000Bangladesh 1.124868 0.000000 0.001754 0.000000 0.035721 21.681749 2.677949 3.327707 0.000000 0.000000Barbados 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Belarus 0.143888 0.000000 0.422142 0.000000 0.768429 0.162357 1.864082 0.010994 0.000000 0.000000Belice 11.517104 0.000000 0.000000 0.000000 0.000000 0.000000 75.879782 0.000000 0.000000 0.000000Benín 0.570953 0.009599 0.000000 0.000000 0.000000 0.134831 0.194134 7.730682 0.010952 0.000000Bután 2.798031 0.000000 0.488857 0.218786 0.000000 8.710286 0.319263 2.635831 0.000000 0.097594Bolivia 0.971500 0.000000 0.069152 0.000000 0.110894 3.998267 1.457775 4.828007 0.015818 1.504344Bosnia-Herzegovina 7.068879 0.011518 0.320837 0.000000 0.000000 7.265929 3.398680 0.051847 0.000000 0.000000Botsuana 1.712559 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 55.831965 0.000000 0.000000Brasil 0.042995 0.000000 0.173267 0.039341 0.000000 1.069231 0.680390 22.961465 0.374074 0.001142Burkina Faso 2.954141 0.007179 0.000000 0.000000 0.000000 14.923162 0.664813 12.727703 0.000000 0.000000Burundi 0.601580 0.000000 0.000000 0.000000 0.004411 32.401401 0.447101 7.508416 0.000000 0.000000Camboya 7.487125 0.092852 0.322300 0.000000 0.099699 8.216047 1.119638 2.809414 1.630472 0.003807Cameron 0.344090 0.005946 0.001072 0.016174 0.000000 0.084312 0.301039 9.784791 0.000000 0.000000Cape Verde 1.622104 0.011195 0.000000 0.000000 0.146728 0.000000 0.000000 0.065712 0.000000 0.000000Chad 7.240191 0.000000 0.000000 0.004046 0.000000 1.905037 1.647662 0.567164 0.000000 0.000000Chile 0.341512 0.231586 0.017796 0.000000 0.000000 0.000000 0.105226 1.195423 0.044201 0.000000China 0.654231 0.278434 0.836293 0.014505 0.016697 1.009112 0.085843 0.368075 0.001725 0.180898Colombia 2.148375 0.000000 0.010775 0.023881 0.000000 0.000000 0.727781 6.198520 0.000000 0.008541Comoros 0.321290 0.000000 0.000000 0.000000 0.000000 2.187640 12.752308 0.000000 0.000000 0.000000Congo, Dem. Rep. 3.298569 0.000000 0.005610 0.000000 4.950852 0.967503 0.685514 11.065135 3.168532 0.000000Congo, Rep. 0.060242 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 7.775046 0.000000 0.000000Costa Rica 0.469758 0.000000 0.047897 0.000000 0.000000 0.000000 0.003598 36.452605 0.000000 0.000000Costa de Marfil 0.653815 0.007334 0.003578 0.000000 0.000000 0.022421 0.203973 5.014032 0.000000 0.000000Corea, Dem. Rep. 14.626119 0.000000 0.000000 0.000000 6.172553 0.000000 0.000000 3.902603 0.000000 0.000000Croacia 8.856250 0.000000 0.321739 0.000000 0.037936 0.000000 0.000000 0.031441 0.000000 0.000000Cuba 0.252633 0.000000 0.017719 0.000000 0.000000 0.000000 0.668862 0.883977 0.000000 0.000000Djibouti 1.103984 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Dominica 2.451258 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Rep. Dominicana 2.052444 0.000000 0.000000 0.000000 0.000000 1.063830 1.796848 3.265205 0.130654 0.000000Ecuador 0.716968 0.003080 0.322134 0.000000 0.153550 0.679816 1.563928 8.628675 0.015140 0.061521Egipto 0.565130 0.458854 0.097729 0.006198 0.099107 0.000000 0.034892 1.357712 0.000000 0.000000El Salvador 4.981427 0.000000 0.093292 0.000000 0.928643 1.829893 3.483039 7.159060 0.000000 0.000000Eritrea 3.706835 0.000000 0.000000 0.000000 0.000000 0.000000 9.721608 30.465229 0.000000 0.000000Etiopia 6.657765 0.004812 0.009922 0.020631 0.000000 35.620828 0.315504 3.518258 3.101248 0.245764Fiji 1.486834 0.000000 0.211121 0.000000 0.000000 0.000000 2.958482 1.430436 0.000000 0.001134Gabón 0.140601 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 12.034135 0.000000 0.000000Gambia 4.571848 0.338694 0.000000 0.000000 0.000000 7.532409 1.259263 2.233313 0.000000 5.390597Georgia 0.575831 0.000000 1.759091 0.000000 0.310250 3.258820 0.264098 0.081234 0.000000 0.000000

Anexo 4


1606

2: F

omen

to d

e la

ca

paci

dad

esta

díst

ica

2108

1: E

duca

ción

y

capa

cita

ción

sob

re

trans

porte

y a

lmac

enam

i-en

to23

081:

Edu

caci

ón y

ca

paci

taci

ón s

obre

en

ergí

a

2308

2: In

vest

. En

ergé

tica

2408

1: E

duca

ción

y

capa

cita

ción

sob

re

serv

icio

s ba

ncar

ios

y fin

anci

eros

3116

6: E

xten

sión

A

gríc

ola

3118

1: E

duca

ción

y

capa

cita

ción

sob

re

agric

ultu

ra

3118

2: In

vest

. agr

ícol

a

3128

1: E

duca

ción

y

capa

cita

ción

fore

stal

3128

2: In

vest

. For

esta

l

Ghana 1.005052 0.028581 0.039896 0.045105 0.000000 12.831725 42.124441 7.312083 0.136959 0.000000Grenada 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Guatemala 6.962624 0.000000 0.000000 0.000000 7.062364 0.407130 3.308048 0.452439 0.037211 0.000000Guinea 0.665894 0.000000 0.000000 0.000000 0.001059 0.000000 0.000000 7.684291 0.000000 0.000000Guinea-Bissau 3.204702 0.065226 0.000000 0.000000 0.000000 2.362735 0.298852 0.432109 0.000000 0.000000Guinea Ecuatorial 0.384039 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Guyana 14.191200 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Haití 0.765854 0.000000 0.000000 0.000000 0.000000 0.751993 3.383604 0.020604 0.000000 0.000000Honduras 0.853497 0.000000 0.123927 0.001511 0.000000 0.243131 34.113341 9.619805 2.370536 0.000000India 0.468995 0.039603 0.052467 0.251124 0.044035 21.485971 0.282365 1.793458 0.037361 0.008284Indonesia 0.331078 0.000000 1.912558 0.011637 0.153268 7.581819 0.213142 5.341306 0.005852 0.238427Irán 0.175892 0.007255 0.000000 0.000000 0.000135 0.000000 0.000000 0.019318 0.000000 0.000000Iraq 0.427065 0.000000 0.020636 0.000000 0.021047 0.009106 5.704045 0.009591 0.000000 0.000000Jamaica 10.525045 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Jordania 1.449559 0.070963 0.100779 0.000000 0.000000 0.000000 0.059600 0.116555 0.000000 0.000000Kazakstán 1.176369 0.000000 5.341661 0.000000 0.178862 0.494622 0.000060 1.820996 0.000000 0.241457Kenia 9.552494 0.000000 5.043771 0.000000 0.280513 25.751569 0.341796 10.695165 0.000000 0.000000Kiribati 0.156483 0.000000 0.000000 0.000000 0.000000 0.000000 0.130633 0.000000 0.000000 0.000000Kyrgyz Republica 4.200483 0.000000 3.084567 0.000000 0.095159 11.990307 1.630718 1.547554 0.000000 0.000000Laos 0.649065 0.000000 0.270259 0.000000 0.206700 3.798859 1.413244 33.874872 0.000000 0.411081Líbano 0.125517 0.022076 0.000000 0.000000 0.005968 0.503253 0.055297 0.181234 0.000000 0.000000Lesoto 0.764668 0.000000 0.000000 0.000000 0.000000 2.213774 0.000000 0.000000 0.000000 0.000000Liberia 7.870726 0.000000 0.000000 0.000000 0.000000 0.000000 2.926853 0.400501 0.000000 0.000000Libia 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 9.066345 0.000000 0.000000Macedonia, FYR 9.489122 0.000000 0.298529 0.000000 0.105539 0.000000 0.071246 2.029573 0.000000 0.000000Madagascar 0.292966 0.000000 0.134333 0.000000 0.000000 12.638074 2.163599 24.671371 0.000000 0.000000Malawi 9.296095 0.000000 0.000000 0.000000 0.000000 14.329189 4.115097 9.291603 0.000000 0.000000Malaysia 0.641335 0.010702 0.016235 0.000000 0.000000 0.000000 0.306477 1.249920 0.000000 0.000000Maldivas 3.197253 0.000000 0.000000 0.000000 0.000000 7.938413 0.000000 0.000000 0.000000 0.000000Mali 2.531081 0.000000 0.000000 0.000000 0.214362 19.358464 0.804575 17.889037 0.000000 0.000000Marshall 19.340075 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Mauritania 0.970639 0.020761 0.000000 0.000000 0.000000 13.312278 0.044982 0.136318 0.000000 0.000000Mauricio 0.047262 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.012717 0.000000 0.000000México 0.297098 0.006374 0.378381 0.000000 0.026907 0.267582 0.039318 4.956425 0.062596 0.007209Micronesia 13.337233 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Moldavia 1.213955 0.000000 3.882219 0.000000 0.641987 3.199458 8.499573 1.399620 0.000000 0.000000Mongolia 0.531271 0.010799 0.037476 0.000000 0.443726 0.000000 0.103690 1.311810 0.000000 0.003809Montenegro 5.915907 0.000000 13.353778 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Marruecos 0.059830 0.329049 0.005526 0.000753 0.005433 0.005375 0.030570 1.200429 0.000000 0.023615Mozambique 3.453368 0.000000 0.000000 1.047510 0.007850 10.287765 1.200835 2.337580 0.034677 0.014729Myanmar 5.116211 0.000000 0.167439 0.000000 0.071490 0.000000 4.494548 1.004628 0.000000 0.014152Namibia 1.564294 2.479806 0.000000 0.875374 32.862712 0.000000 0.000000 0.000000 1.510868 0.000000Nepal 1.444605 0.000000 1.512907 0.671772 0.008995 11.472995 0.536325 0.282111 0.119556 1.096716Nicaragua 0.703047 0.000000 0.010396 0.000000 0.000000 16.392019 4.248989 1.820422 1.072605 0.000000Níger 2.732995 0.014895 0.000000 0.000000 0.000000 0.232942 0.266910 9.014685 0.000000 0.000000Nigeria 1.584708 0.000000 0.105100 0.000000 0.021527 15.594158 0.025641 1.026644 0.000000 0.000000Omán 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000



1606

2: F

omen

to d

e la

cap

acid

ad

esta

díst

ica

2108

1: E

duca

ción

y

capa

cita

ción

sob

re

trans

porte

y

alm

acen

ami-e

nto

2308

1: E

duca

ción

y

capa

cita

ción

sob

re

ener

gía

2308

2: In

vest

. En

ergé

tica

2408

1: E

duca

ción

y

capa

cita

ción

sob

re

serv

icio

s ba

ncar

ios

y fin

anci

eros

3116

6: E

xten

sión

A

gríc

ola

3118

1: E

duca

ción

y

capa

cita

ción

sob

re

agric

ultu

ra

3118

2: In

vest

. ag

rícol

a

3128

1: E

duca

ción

y

capa

cita

ción

fore

stal

3128

2: In

vest

. Fo

rest

al

Pakistán 1.495569 0.000000 0.033591 0.072046 0.797117 2.663903 0.146778 2.673120 0.000000 0.000000Palau 10.039995 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Palestina Adm. Areas 4.353724 0.017295 0.082628 0.000000 0.000000 0.000000 3.142380 0.053521 0.000000 0.000000Panamá 3.319122 0.000000 0.170026 0.000000 0.000000 0.000000 0.000000 0.000000 0.356036 0.000000Papúa Nueva Guinea 0.772810 1.467345 0.000000 0.000000 0.000000 2.875768 2.579938 40.704922 0.557179 0.896843Paraguay 2.428653 0.000000 0.000000 0.000000 0.000000 0.900303 1.852752 9.853923 0.000000 0.000000Perú 1.134381 0.000000 0.109731 0.000000 0.000000 1.165492 3.743285 1.786615 0.027466 0.000000Filipinas 1.529813 0.000000 0.152110 0.466431 6.299618 0.610144 2.120702 5.469928 0.022295 0.260065Ruanda 13.280301 0.000000 0.085842 0.000000 0.021755 1.622942 1.031383 3.553136 0.000000 0.000000Sao Tome & Príncipe 2.129935 0.000000 0.000000 0.000000 0.000000 0.000000 0.036847 0.080741 0.000000 0.312242Senegal 0.132851 0.002472 0.004948 0.030028 0.224768 4.991478 0.248050 9.370070 0.144577 0.001186Serbia 5.956723 0.000000 2.120523 0.164523 0.215211 0.000000 2.210799 0.606263 0.000000 0.000000Seychelles 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 6.659007 0.000000 0.000000Sierra Leona 2.561141 0.000000 0.000000 0.000000 0.000000 9.817999 0.000000 0.000000 0.000000 0.000000Salomón Islas 0.317768 0.000000 0.000000 0.000000 0.000000 2.303397 0.089280 1.182280 0.266632 0.315963Somalia 15.783733 0.000000 0.000000 0.000000 0.000000 0.000000 1.383616 0.000000 0.000000 0.000000Sur África 0.313259 0.048868 0.063970 0.945988 0.007972 1.019376 0.468507 9.831798 0.087658 0.161926Sri Lanka 0.493839 0.000000 0.000000 4.998072 3.690564 0.460459 0.200313 0.327875 0.000000 0.000000St. Cristobal y Nieves 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000St. Lucia 5.035164 0.000000 0.000000 0.000000 0.000000 0.000000 0.205602 0.000000 0.000000 0.000000St.Vincent & Grenadi 21.146679 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Sudan 14.044601 0.000000 0.160853 0.000000 0.000000 7.585523 4.298672 0.106428 0.321951 0.000000Surinam 0.000000 0.316376 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Suazilandia 30.180456 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Siria 0.272456 0.099178 0.017051 0.000000 0.025939 1.277733 0.013866 0.650523 0.000000 0.000000Tayikistán 12.682974 0.000000 1.523308 0.000000 0.000000 23.405619 0.028728 1.155605 0.000000 0.000000Tanzania 1.626307 0.069194 0.000498 0.008974 0.000000 17.102265 0.131919 0.341598 0.002491 0.496704Tailandia 0.550234 0.000000 0.032477 0.000000 0.012810 0.047735 0.289799 13.241150 0.000000 0.051302Timor-Leste 0.499089 0.000000 0.281568 0.000000 0.000000 0.011803 0.542699 0.929220 0.000000 0.000000Togo 0.712568 0.024777 0.000000 0.000000 0.084040 0.000000 0.423014 0.079567 0.000000 0.000000Tonga 3.366423 0.000000 0.000000 0.000000 0.000000 0.000000 0.288096 0.102206 0.000000 0.000000Trinidad and Tobago 0.032679 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 8.040432 0.000000 0.000000Tunez 0.102467 0.002024 0.000000 0.000000 0.007754 0.000000 0.013900 0.723056 0.000000 0.000000Turquía 4.094813 0.001765 0.000000 0.008309 0.000000 0.000000 0.004164 0.002882 0.000000 0.000000Turkmenistán 12.010359 0.000000 0.000000 0.000000 0.000000 0.000000 0.316716 0.000000 0.000000 0.000000Tuvalu 0.256360 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000Uganda 11.169654 0.000000 0.118860 0.099928 0.020516 10.696621 0.695633 2.653286 0.039136 0.000000Ucrania 0.069836 0.007679 1.470680 0.025705 0.068563 0.774972 0.316309 0.028746 0.000000 0.000000Uruguay 1.631743 0.000000 0.000000 0.000000 0.000000 0.000000 0.275238 0.325505 0.000000 0.000000Uzbekistán 2.077669 0.000000 0.136354 0.000000 0.031173 2.047611 0.350484 0.570676 0.000000 0.000000Vanuatu 0.698326 0.000000 0.000000 0.000000 0.000000 0.354181 0.061151 9.378746 0.000000 1.142085Venezuela 1.593740 0.000000 0.000000 0.000000 0.000000 0.000000 0.002757 0.051313 0.000000 0.000000Vietnam 0.296888 0.004276 0.088427 0.004100 1.237082 0.494525 0.179512 8.381627 0.000000 0.100691Yemen 0.871655 0.000000 0.009086 0.000000 0.000000 4.708120 0.000000 0.000000 0.000000 0.000000Zambia 2.403408 0.000000 0.000000 0.060997 3.489682 39.587136 2.268448 0.290094 0.245782 0.000000Zimbabue 1.769849 0.000000 0.000000 0.000000 0.000000 0.000000 0.269298 38.787289 0.000000 0.000000

Anexo 4


3138

1: E

duca

ción

y

capa

cita

ción

pes

quer

a

3138

2: In

vest

. pes

quer

a

3218

2: In

vest

. y

desa

rrol

lo te

cnol

ógic

o

3318

1: E

duca

ción

y

capa

cita

ción

com

erci

al

4108

1: E

duca

ción

y

capa

cita

ción

sob

re m

edio

am

bien

te

4108

2: In

vest

. am

bien

tal

4308

1: E

duca

ción

y

capa

cita

ción

m

ultis

ecto

rial

4308

2: In

stitu

cion

es

cien

tífic

as y

de

Inve

st.

Tota

l

AC

UM

. 200

5-08

($)

AO

D-C

T/PI

B c

orr.

Acu

mul

ado

2005

-08

($)

Prom

edio

AO

D-C

T/PI

B

corr

ient

e

TOTAL receptores 0.136695 0.144137 1.339868 0.280660 0.823623 1.841870 6.228442 5.135352 100 32052.317Afganistán 0.000000 0.000000 0.000000 0.179461 0.071581 0.147873 0.560110 6.113921 100 244.779 2.523 0.631Albania 0.000000 0.000000 0.147919 0.036980 1.609753 0.000000 2.604222 0.005396 100 202.815 1.720 0.430Argelia 0.875672 0.000000 0.001128 0.023297 0.015481 0.012516 1.139764 0.190846 100 709.247 0.496 0.124Angola 1.497656 0.951450 0.101765 0.056172 0.171453 1.516690 2.961910 4.455704 100 79.955 0.148 0.037Antigua y Barbuda 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 58.954615 0.000000 100 0.391 0.033 0.008Saudí Arabia 0.000000 0.000000 0.030788 0.000000 0.000000 0.000000 0.005306 0.266231 100 12.173 0.003 0.001Argentina 0.096967 0.000000 1.293291 0.016019 0.342653 1.036277 1.822764 2.998709 100 108.191 0.039 0.010Armenia 0.000000 0.000000 0.010832 0.096991 0.061182 0.053158 2.249712 1.275745 100 95.755 1.132 0.283Azerbaiyán 0.000000 0.000000 0.074732 0.000000 0.000000 0.000000 0.978249 4.009826 100 33.379 0.116 0.029Bangladesh 0.008276 0.000000 0.254945 0.010475 0.080807 0.013499 8.910046 0.211194 100 273.607 0.369 0.092Barbados 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 40.444260 0.000000 100 0.690 0.019 0.005Belarus 0.000000 0.000000 0.041036 0.000000 0.000000 0.015792 0.395028 3.357585 100 77.929 0.165 0.041Belice 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 3.695184 1.700182 100 3.497 0.257 0.064Benín 0.011451 0.000000 0.671770 0.017908 0.034212 5.305169 2.227887 5.414834 100 173.373 2.979 0.745Bután 0.000000 0.000000 0.000000 0.218552 1.242189 0.000000 25.886025 2.235085 100 22.611 2.006 0.502Bolivia 0.000000 0.021459 6.792766 0.020780 1.122974 5.970744 2.038445 8.019404 100 190.881 1.391 0.348Bosnia-Herzegovina 0.000000 0.000000 1.629564 0.617910 0.184163 0.000000 1.243652 0.588629 100 169.842 1.067 0.267Botsuana 0.000000 0.000000 0.134437 0.162385 0.164840 1.091994 2.012097 3.408369 100 15.533 0.117 0.029Brasil 0.455994 0.036892 1.545625 0.026075 2.945536 3.630933 2.563413 3.892958 100 396.211 0.028 0.007Burkina Faso 0.000000 0.000000 0.729543 0.009890 0.256635 5.207212 1.720137 6.935568 100 231.821 3.269 0.817Burundi 0.156939 0.000000 0.000000 0.000000 0.000000 0.294503 8.413329 0.036150 100 79.800 7.281 1.820Camboya 0.080498 0.055259 1.025869 0.223996 0.451677 0.439403 12.895814 5.261101 100 125.427 1.440 0.360Cameron 0.088413 0.000000 0.271613 0.046263 0.003914 1.845452 0.740098 2.412665 100 505.736 2.289 0.572Cape Verde 0.237150 0.056274 0.000000 0.003776 0.381847 0.167397 1.159200 1.413358 100 148.662 10.684 2.671Chad 0.000000 0.000000 0.010048 0.000000 0.068829 0.112164 12.133813 5.433496 100 34.085 0.463 0.116Chile 0.000000 0.002582 1.607155 0.073223 0.869489 1.542355 1.776895 18.009496 100 94.634 0.056 0.014China 0.002568 0.000843 0.189051 0.062655 0.474337 0.452198 1.664921 1.484013 100 2716.811 0.078 0.019Colombia 0.000000 0.000000 0.538280 0.007960 1.663291 0.252012 1.153021 0.867385 100 167.182 0.080 0.020Comoros 0.000000 0.142767 0.000000 0.000000 0.000000 0.000000 1.920747 0.367326 100 44.544 8.975 2.244Congo, Dem. Rep. 0.120854 0.000000 0.022936 0.001754 1.407329 0.328620 10.168669 0.520548 100 140.881 1.401 0.350Congo, Rep. 0.046149 0.029703 0.055839 0.002141 0.007346 0.348831 2.641593 1.012710 100 110.902 1.287 0.322Costa Rica 0.000000 0.000000 27.674060 0.036931 0.775374 4.298476 1.038585 2.229311 100 63.071 0.235 0.059Cote d'Ivoire 0.210176 0.000000 1.100002 0.013681 0.653051 6.872076 0.773177 7.826374 100 226.935 1.077 0.269Corea, Dem. Rep. 0.000000 0.000000 0.005601 0.000000 0.000000 0.034988 3.874163 3.821089 100 8.376Croacia 0.000000 0.000000 0.005065 0.203761 0.839289 0.032824 0.733754 9.125968 100 88.340 0.142 0.035Cuba 0.000000 0.169708 2.482595 0.064361 0.590360 2.149278 17.295145 1.043650 100 33.381Djibouti 0.000000 0.000000 0.000000 0.000000 0.000000 2.004054 4.623468 1.381958 100 71.973 7.829 1.957Dominica 0.847461 0.000000 0.000000 0.000000 0.000000 63.972592 0.241590 0.000000 100 4.509 1.211 0.303Republica Dominicana 0.000000 0.000000 1.709213 0.000000 0.135683 0.530666 1.574037 0.608992 100 33.720 0.077 0.019Ecuador 0.728119 0.000000 0.995669 0.039802 0.745760 3.013461 3.345224 3.096015 100 118.296 0.238 0.059Egipto 0.007413 0.000000 0.907307 0.050609 0.177676 1.417925 9.301722 9.893034 100 232.701 0.177 0.044El Salvador 0.448165 0.121280 0.493191 0.452568 2.769773 2.308953 2.428811 1.622311 100 32.612 0.149 0.037Eritrea 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.939861 0.000000 100 9.969 0.671 0.168Etiopia 0.000000 0.000000 0.605818 0.007905 1.482837 1.964091 1.303340 2.465261 100 279.057 1.472 0.368Fiji 0.000000 0.186569 0.216114 0.395207 0.022820 0.237042 57.670240 0.969501 100 30.734 0.864 0.216Gabón 0.017665 0.000000 0.194723 0.015766 0.000000 1.306710 2.179165 2.727548 100 145.422 1.196 0.299Gambia 0.000000 0.000000 0.000000 0.467240 0.169281 0.000000 11.637891 0.000000 100 4.914 0.708 0.177Georgia 0.000000 0.000000 0.000000 0.000000 0.137377 0.000000 1.905081 5.076122 100 94.897 0.941 0.235



3138

1: E

duca

ción

y

capa

cita

ción

pes

quer

a

3138

2: In

vest

. pes

quer

a

3218

2: In

vest

. y

desa

rrol

lo te

cnol

ógic

o

3318

1: E

duca

ción

y

capa

cita

ción

com

erci

al

4108

1: E

duca

ción

y

capa

cita

ción

sob

re

med

io a

mbi

ente

4108

2: In

vest

. am

bien

tal

4308

1: E

duca

ción

y

capa

cita

ción

m

ultis

ecto

rial

4308

2: In

stitu

cion

es

cien

tífic

as y

de

Inve

st.

Tota

l

AC

UM

. 200

5-08

($)

AO

D-C

T/PI

B c

orr.

Acu

mul

ado

2005

-08

($)

Prom

edio

AO

D-C

T/PI

B

corr

ient

e

Ghana 0.023853 0.000000 0.097678 0.076991 0.023951 0.407988 0.903053 1.155522 100 171.754 1.133 0.283Grenada 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 36.282743 0.000000 100 0.211 0.032 0.008Guatemala 0.032232 0.000000 2.036996 0.218852 0.524976 0.806273 8.312144 1.254748 100 71.067 0.199 0.050Guinea 0.124578 0.000000 0.057975 0.291562 0.000000 0.375897 2.287351 1.407015 100 104.975 2.730 0.682Guinea-Bissau 5.357845 0.000000 0.000000 0.123091 0.000000 2.359662 2.121525 2.868457 100 25.516 6.270 1.567Guinea Ecuatorial 0.411015 0.000000 0.000000 0.000000 0.000000 0.000000 6.088986 2.448878 100 15.639 0.116 0.029Guyana 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 11.163531 0.000000 100 2.150 0.196 0.049Haití 0.000000 0.000000 0.000000 0.000000 0.328550 6.838901 2.043469 0.000000 100 157.450 2.749 0.687Honduras 0.088084 0.000000 0.134709 0.253482 0.184442 0.047376 1.327093 4.553510 100 90.652 0.768 0.192India 0.000910 0.001914 0.517212 0.037470 0.325035 0.770077 1.926303 2.628279 100 1002.978 0.084 0.021Indonesia 0.075564 0.252679 0.545493 1.044003 1.484082 2.192932 11.591767 1.970208 100 774.071 0.179 0.045Irán 0.000000 0.000000 0.060390 0.009141 0.056888 0.027750 0.757952 0.701308 100 201.156 0.069 0.017Iraq 0.000000 0.000000 1.103939 0.249587 0.150515 0.024017 65.411164 2.945845 100 497.033 0.894 0.224Jamaica 0.000000 0.000000 0.000000 0.000000 0.165757 0.000000 6.987492 0.316763 100 3.651 0.027 0.007Jordania 0.000000 0.000000 0.334793 0.000000 0.518870 2.410432 5.214184 9.018996 100 95.017 0.511 0.128Kazakstán 0.000000 0.000000 0.000000 0.201277 0.143689 0.015418 0.603599 6.496064 100 63.113 0.062 0.016Kenia 0.024419 0.000000 0.267580 0.047200 0.519591 1.094367 0.950336 1.790277 100 244.387 0.939 0.235Kiribati 0.156893 0.512126 0.000000 0.065902 0.000000 0.000000 23.439876 0.000000 100 28.767 21.754 5.438Kyrgyz Republica 0.000000 0.000000 0.000000 0.234723 0.233427 0.000000 5.925105 2.156938 100 56.422 1.411 0.353Laos 0.069721 0.111145 4.889946 0.158940 0.150730 1.446174 8.989840 3.145657 100 162.245 3.900 0.975Líbano 0.000000 0.000000 0.030886 0.000000 0.115445 0.257010 1.488273 0.764721 100 273.934 0.992 0.248Lesoto 0.000000 0.000000 0.000000 0.054753 0.035258 0.000000 0.002218 2.017671 100 26.902 1.642 0.410Liberia 0.000000 0.000000 0.000000 0.000000 2.000564 0.000000 4.983992 0.000000 100 12.816 1.633 0.408Libia 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.267187 16.501065 100 30.431 0.042 0.010Macedonia, FYR 0.000000 0.000000 0.020103 0.133383 0.892321 0.066388 3.117163 0.313010 100 56.230 0.699 0.175Madagascar 0.016938 0.048847 0.337949 0.009632 0.076561 2.562769 0.867659 3.694369 100 277.966 3.755 0.939Malawi 0.000000 0.050220 0.000000 0.255399 4.294961 0.000000 0.599095 0.237188 100 113.484 3.009 0.752Malaysia 0.005881 0.000000 0.512565 0.145153 0.594675 0.147169 1.048946 0.510814 100 154.078 0.086 0.021Maldivas 0.000000 0.000000 0.000000 0.335288 0.000000 0.000000 20.648934 0.000000 100 14.819 1.562 0.390Mali 0.009700 0.000000 0.219129 0.094126 1.212283 1.552079 2.508078 2.073287 100 204.658 2.746 0.687Marshall 2.920319 0.000000 0.000000 0.000000 0.000000 0.000000 50.576083 0.000000 100 1.079 0.685 0.171Mauritania 0.207989 0.475505 0.003980 0.000000 0.321633 3.158178 6.011643 1.170659 100 80.164 2.830 0.708Mauricio 0.000000 0.328028 0.002924 0.016763 0.000000 0.018268 3.938354 0.163106 100 68.987 0.846 0.212México 0.008698 0.030693 0.704952 0.012250 1.278473 2.931582 8.331938 4.751729 100 210.681 0.019 0.005Micronesia 15.198224 0.000000 0.443552 0.131391 0.000000 0.000000 47.767044 0.000000 100 4.518 1.625 0.406Moldavia 0.000000 0.000000 0.000000 0.128628 0.332080 0.000000 2.248373 0.047152 100 69.970 1.536 0.384Mongolia 0.000000 0.000000 0.143039 0.016687 1.020726 0.107037 13.960969 0.338180 100 125.128 3.213 0.803Montenegro 0.000000 0.112543 14.390878 0.000000 0.317194 0.000000 1.609849 0.296258 100 20.488 0.541 0.135Marruecos 0.097110 0.995150 0.045536 0.055376 0.133351 0.299892 1.228702 0.487310 100 1100.392 1.371 0.343Mozambique 0.020692 0.000000 4.695929 0.151019 0.668829 2.260370 0.803327 2.860263 100 239.296 2.736 0.684Myanmar 0.000000 0.000000 0.534775 0.442122 0.381338 0.000000 18.038824 0.175451 100 48.542Namibia 2.659625 0.000000 0.000000 0.036286 0.123265 0.000000 14.970240 2.335438 100 35.441 0.394 0.098Nepal 0.000000 0.209216 0.255499 0.029139 1.486387 0.013259 1.788646 4.583575 100 145.365 1.317 0.329Nicaragua 0.000000 0.000000 4.854801 0.366556 0.216418 2.887823 1.292324 1.578835 100 135.944 2.248 0.562Níger 1.810580 0.000000 1.491191 0.027787 0.112896 9.450457 3.535760 11.646059 100 111.732 2.508 0.627Nigeria 0.002630 0.000000 0.017449 0.057361 1.420329 0.010565 0.277143 0.299430 100 355.148 0.203 0.051Omán 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.709717 0.190941 100 3.127 0.007 0.002

Anexo 4


3138

1: E

duca

ción

y

capa

cita

ción

pes

quer

a

3138

2: In

vest

. pes

quer

a

3218

2: In

vest

. y

desa

rrol

lo te

cnol

ógic

o

3318

1: E

duca

ción

y

capa

cita

ción

com

erci

al

4108

1: E

duca

ción

y

capa

cita

ción

sob

re

med

io a

mbi

ente

4108

2: In

vest

. am

bien

tal

4308

1: E

duca

ción

y

capa

cita

ción

m

ultis

ecto

rial

4308

2: In

stitu

cion

es

cien

tífic

as y

de

Inve

st.

Tota

l

AC

UM

. 200

5-08

($)

AO

D-C

T/PI

B c

orr.

Acu

mul

ado

2005

-08

($)

Prom

edio

AO

D-C

T/PI

B

corr

ient

e

Pakistán 0.000000 0.000000 0.217062 0.013003 3.460460 0.093657 4.786154 0.399392 100 192.011 0.125 0.031Palau 1.208258 0.000000 0.000000 0.000000 0.000000 0.000000 4.788235 2.553700 100 2.899 1.722 0.431Palestina Adm. Areas 0.000000 0.000000 0.000000 0.122845 0.300256 0.079275 19.258268 3.664830 100 130.976Panamá 0.115743 0.000000 1.388414 0.000000 2.477875 0.000000 6.125918 2.548730 100 11.144 0.054 0.014Papúa Nueva Guinea 0.008994 0.275181 0.000000 0.061609 0.000000 0.007428 23.113954 0.050948 100 106.180 1.564 0.391Paraguay 0.126539 0.000000 0.970186 0.000000 0.282080 0.390091 1.422742 1.459653 100 29.273 0.270 0.067Perú 0.597485 0.965664 0.702258 0.172557 1.223198 2.236278 2.037720 3.402425 100 181.680 0.162 0.041Filipinas 0.642832 0.177247 2.127177 0.436571 1.536045 0.173621 9.913822 0.631392 100 100.410 0.075 0.019Ruanda 0.000000 0.000000 13.147638 0.016070 0.122914 0.000000 10.067289 0.037618 100 122.494 3.488 0.872Sao Tome & Príncipe 0.309872 0.000000 0.000000 0.000000 0.117318 0.000000 5.998717 2.480244 100 23.487 15.043 3.761Senegal 0.358105 0.336722 1.157923 0.016468 0.261329 7.127834 0.795208 8.493581 100 673.284 5.815 1.454Serbia 0.000000 0.127251 0.000000 0.117930 7.394438 0.000000 4.882357 0.066244 100 217.505 0.547 0.137Seychelles 0.687325 5.466254 1.531188 0.000000 0.000000 9.565452 14.187046 10.870413 100 5.019 0.473 0.118Sierra Leona 0.000000 23.785923 0.000000 0.059607 0.000000 0.000000 3.756667 0.000000 100 19.401 1.140 0.285Salomón Islas 0.000000 0.422246 0.000000 0.045760 0.013728 0.000000 32.163920 7.096938 100 42.116 7.080 1.770Somalia 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.040783 2.025655 100 8.783Sur África 0.111020 0.014793 19.629029 0.568279 0.407197 1.407530 0.722173 6.218244 100 227.220 0.074 0.019Sri Lanka 0.254185 0.574845 0.236056 0.024893 3.305160 0.068505 5.857337 2.646994 100 158.543 0.494 0.123St. Cristobal y Nieves 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.316326 0.000000 100 0.566 0.099 0.025St. Lucia 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 4.726708 3.055456 100 4.741 0.466 0.116St.Vincent & Grenadine 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 24.261050 0.000000 100 0.464 0.083 0.021Sudan 0.000000 0.000000 0.061805 0.002650 0.879984 0.152880 2.255412 6.208919 100 89.580 0.184 0.046Surinam 0.000000 0.000000 0.000000 0.000000 0.000000 2.806796 0.000000 0.000000 100 6.845 0.273 0.068Suazilandia 0.000000 0.000000 0.000000 2.016710 0.855754 0.000000 1.192335 0.000000 100 0.887 0.030 0.007Siria 0.000000 0.000000 0.705191 0.000000 0.032246 0.065852 1.475825 3.412456 100 256.189 0.590 0.147Tayikistán 0.000000 0.000000 0.020565 0.462992 0.123075 0.000000 0.178330 5.389122 100 37.810 1.122 0.280Tanzania 0.009912 0.025703 0.065897 0.195549 0.470793 0.154928 0.903436 2.862804 100 312.042 1.664 0.416Tailandia 0.016299 0.438788 3.056449 0.209325 0.355035 7.568752 0.769527 9.659544 100 279.450 0.115 0.029Timor-Leste 0.000000 0.000000 0.000000 0.092635 0.055861 0.000000 19.679657 0.044498 100 34.842 8.197 2.049Togo 0.029556 0.000000 0.012398 0.034133 0.000000 0.077448 4.570702 0.088014 100 67.169 2.479 0.620Tonga 0.000000 1.272554 0.000000 0.169786 0.000000 0.000000 22.715145 0.004229 100 13.060 3.955 0.989Trinidad and Tobago 0.000000 0.000000 0.108441 0.000000 0.000000 0.160434 0.584437 0.206815 100 48.689 0.220 0.055Tunez 0.268618 0.000000 0.086750 0.035398 0.023392 0.564017 1.177321 1.125537 100 609.769 1.659 0.415Turquía 0.000000 0.000441 2.137321 0.000000 9.759527 0.000000 0.323967 1.383349 100 609.377 0.092 0.023Turkmenistán 0.000000 0.000000 0.084985 0.000000 0.032943 0.000000 0.000000 0.000000 100 12.765 0.098 0.025Tuvalu 0.255131 2.387348 0.000000 0.067364 0.000000 0.000000 32.910743 0.000000 100 7.131Uganda 0.030776 0.000000 0.009109 0.105187 0.935604 0.268452 1.069489 0.595315 100 229.620 1.972 0.493Ucrania 0.000000 0.000000 12.528451 0.022591 0.275783 0.043320 0.994724 6.592066 100 315.666 0.231 0.058Uruguay 0.000000 0.000000 1.326088 0.000000 0.277184 0.000000 3.189088 49.121505 100 24.900 0.098 0.024Uzbekistán 0.000000 0.000000 0.121695 0.017299 0.006445 0.000000 8.436705 7.111551 100 91.666 0.432 0.108Vanuatu 0.000000 0.073309 0.066068 0.074537 0.037208 0.933641 6.257536 0.657494 100 61.527 10.865 2.716Venezuela 0.000000 0.000000 1.042636 0.000000 0.185597 0.316563 1.520674 2.411440 100 39.243 0.017 0.004Vietnam 0.008761 0.382975 0.539940 0.108538 0.273031 1.538875 4.879617 3.952356 100 883.789 1.191 0.298Yemen 0.000000 0.000000 0.000000 0.000000 0.044159 0.000000 0.509353 1.571059 100 83.155 0.375 0.094Zambia 0.082006 0.000000 0.000000 0.460416 3.377663 0.515786 0.633425 0.115430 100 86.175 0.697 0.174Zimbabue 0.000000 0.000000 0.092378 0.069318 0.087903 0.900584 2.471818 7.815024 100 38.329


ANEXO 5

PAÍSES Y PERIODOS INCLUIDOS EN EL

ANÁLISIS DE REGRESIÓN



n País Periodos 49 Sur África 1993-1996, 1997-2000, 2001-2004, 2005-2008 50 Sri Lanka 1993-1996, 2001-2004, 2005-2008 51 Suazilandia 1997-2000, 2001-2004, 2005-2008 52 Tanzania 1997-2000, 2001-2004, 2005-2008 53 Tailandia 1993-1996, 1997-2000, 2001-2004, 2005-2008 54 Togo 2005-2008 55 Túnez 1993-1996, 1997-2000, 2001-2004, 2005-2008 56 Turquía 1993-1996, 1997-2000, 2001-2004, 2005-2008 57 Uganda 1993-1996, 1997-2000, 2005-2008 58 Uruguay 1993-1996, 1997-2000, 2001-2004, 2005-2008 59 Venezuela 1993-1996, 1997-2000, 2001-2004, 2005-2008 60 Vietnam 2005-2008 61 Yemen 2001-2004, 2005-2008 62 Zambia 1993-1996, 1997-2000, 2001-2004, 2005-2008 63 Zimbabue 1993-1996

211

2. Specification of t he growth impact model of aid f or science and

technology

In this section we propose a model for analyzing the potential impact mechanisms of aid

on growth, distinguishing two types of aid: aid devoted to improving DCs’ innovation

capacities (what be call “aid for science and technology”, aid-ST) and the rest of aid

resources. Specifically, our goal is to assess the macroeconomic impact of aid-ST, rather

than estimating a growth model or a model of the impact of aggregated aid (regardless of

modalities). However, in order to accurately capture the aid-growth relationship it is

necessary to draw a broader framework of growth, incorporating its main forces and

limiting factors (especially innovation, which is ultimately the factor that aid-ST tries to

enhance); otherwise, estimations will be biased due to the omission of relevant explanatory

variables and due to the insufficient explanatory capacity of the model.

2.1. Analytical model

We propose a theoretical framework for analysing the potential mechanisms of aid-ST on

DCs’ economic growth that follows the pioneer approach of Robert Barro (1991) by

assuming that the rate of growth of per capita income (Gi,t) of country i, between years t0

and T, depends on its initial level of per capita income (yi,t0), and a vector of k explanatory

variables that determines the steady state (Xki,t), according to the following equation:

k

ktiiti tiXyG

,0,, δβα ++= [1]

where αi is the fixed effect of country i. The parameter β shows the existence of

conditional convergence among DCs (the so-called β-convergence, provided that β<0)2.

The parameter δ indicates the joint effect of those factors that explain long term economic

growth. Obviously, the key element for the explanatory power of the model depends on the

composition of the growth vector Xi,t, which —in order to capture the aid-growth

relation— we define, for each i and t, as:

2 See Garcimartín (2007) for a critical analysis of convergence regressions.

212

tinonST

tiST

tiSTST

tikti ZARAIAAIX

titititi ,65,4,32,1, ,,,,δδδδδδ ++⋅+⋅++= [2]

Where:

Ii,t Innovation capacity of country i in year t.

ASTi,t Aid-ST.

ASTi,t∙Ii,t Interaction between aid-ST and innovation capacity.

ASTi,t·Ri,t Interaction between aid-ST and those variables related to the characteristics

of the recipient economies that determine the eventual impact of aid.

AnonSTi,t Aid not related to innovation capacities.

Zi,t Vector of other growth explanatory variables.

Thus, the model described in equation [2] explains the triple relationship among growth,

innovation and aid-ST in the following way:

• δ1 measures the relative elasticity of innovation with respect to growth.

• δ2 and δ3 measure, respectively, the growth relative elasticities in relation to two

different aid modalities: aid-ST and the rest types of aid. Thus, the model does not

assume equal impact coefficients of these two aid modalities (i.e. δ2 ≠ δ3), so as to

be consistent with their different objectives3. The estimation of the parameters δ2

and δ3 will allow us to compare the potential impacts of these resources.

• δ3 measures the interaction between DCs’ innovation capacities and their reception

of aid-ST. If δ3 <0, aid-ST reveals a greater impact on least innovative countries,

supporting the use of this co-operation policies in order to close the global

innovation gap. On the contrary, if δ3> 0, then aid-ST is more effective the higher

the innovation capacities of the recipient countries.

3 According to chapter 2 aid-ST consist of a set of activities intended to promote technological, scientific and innovative progress in DCs. The main objectives are: i) creating sound National Innovation Systems in DCs; ii) transferring knowledge and technology; iii) educating and training human resources in science and technology; iv) facilitating the international mobility of researchers; v) facilitating technological learning; vi) building institutional capacity and R&D infrastructure, vii) raising people consciousness about the relevance of science, technology and innovation; viii) meeting DCs’ national demands for innovation in order to overcome the main development “bottlenecks” by providing specific solutions to specific development problems; and ix) recovering local technological knowledge.

213

• δ4 measures the interaction between the effectiveness of aid-ST and the variables

that determine the impact of aid in recipient countries (e.g. good governance,

economic shocks and structural disadvantages). If δ4> 0, aid-ST is more effective

the higher the value of the conditioning variable (vice versa if δ4 <0).

• δ6 measures the direct impact of other relevant growth factors, such as good

governance, human capital, equality and natural resource endowment.

2.2. Econometric procedure

The estimation of the aid-ST effectiveness model defined in equations [1] and [2] is

performed using the following panel data regression model:

tik

tiiti tiXyG ,0,, ,

µδβα +++=

[ ] [ ] [ ] 0,,

,,

===

+=

tiitii

tiiti

EEE µαµα

µαε [3]

Where the error term (εi,t) is the sum of two orthogonal components: the fixed effects

associated with each country (αi) and the idiosyncratic effects (μi,t).

If there were variables not strictly exogenous (i.e. correlated with past or actual realisations

of the error term), the model will not satisfy the assumptions of the classic regression

model, leading to biased estimations. This may be the case of two explanatory variables,

initial per capita income and governance, either because they have a double direction of

causation with the dependent variable (for example, the growth-governance relationship),

or because they are related to other explanatory variables (such as initial per capita income

and aid flows, to the extent that low income countries “should” receive greater amounts of

public international aid).

One way to solve this problem is to apply consistent estimation methods which take into

account fixed effects and non-exogenous independent variables. Instrumental variable

models, which replace non-strictly exogenous variables by strictly exogenous instrumental

variables, are generally used in these cases; the instruments are correlated with the

214

explanatory variables and turn out to be orthogonal to the error term. Dynamic regression

models with panel data are estimated by the Generalised Method of Moments (GMM),

proposed by Arellano and Bond (1991), as a particular case of instrumental variable

models. The advantage of the GMM is the use of “internal” instruments, which may

include lagged values of the non-exogenous regressors, leading to an improvement in the

estimation results4.

The GMM approach is particularly suitable for panel data estimations when: i) the number

of periods, T, is small and the number of cross section units, N, is large; ii) there are non-

strictly exogenous regressors; iii) there are fixed effects; and iv) there are

heteroscedasticity and autocorrelation within each country’s data but not among different

countries’ data. According to Roodman (2009, p. 15), GMM estimations are part of a “[...]

broader historical trend in econometric practice toward estimators that make fewer

assumptions about the underlying data-generating process and use more complex

techniques to isolate useful information”.

We use the GMM system proposed by Arellano and Bover (1995), and Blundell and Bond

(1998), instead of the difference GMM proposed initially by Arellano and Bond (1991).

The latter transforms the model by doing first differences to remove unobserved fixed

country-specific effects, and instruments the non-strictly exogenous explanatory variables

by a moment condition’s matrix. On the other hand, the GMM system makes up two

equations: the original equation in levels and the first-difference equation; this system, free

from correlated fixed effects, allows the use of more instruments and, consequently,

improves the efficiency of the estimation5. Until now, few aid effectiveness studies have

used the GMM6.

4 Aid has been usually instrumented by variables that are related to donors’ geographical allocation patterns, either using “recipients’ needs” variables (assuming that aid is altruistically distributed), or/and other variables relating to donors’ foreign policy interests (assuming that these interests determine the aid allocation). In both cases, the procedure becomes problematic, since the proposed instruments are neither specifically correlated with the instrumented variables (and, therefore, the instruments are not ‘ideal’), nor perfectly orthogonal to the dependent variable (for example, recipients’ needs variables are not strictly exogenous to the rate of growth). In addition, donors’ foreign policy interests do not properly explain the geographical allocation of multilateral flows (which are considered in this study). 5 Simulation exercises by Kiviet (1995), Blundell and Bond (1998) and Hsiao et al. (1999) show that the estimators obtained by the difference GMM are biased on finite samples for two reasons: first, due to the presence of autocorrelation in the error terms with finite samples and many moment conditions, and secondly, because whenever the coefficient of the autoregressive variable is very close to 1 (that is, the series are highly persistent or near a unit root process), the parameter cannot be identified using the moment

215

The model is estimated using the econometric software STATA, with three commands that

optimise the estimation7: i) White standard errors that are robust to arbitrary

heteroscedasticity for the same country8; ii) restriction of the matrix of instruments,

creating an instrument for each variable and lag distance, rather than an instrument for

each period, variable and lag distance, which, in small samples reduces the bias that arises

when the number of instruments approaches (or exceeds) the number of observations and,

iii) two-step estimations, applying Windmeijer’s finite samples correction in order to

eliminate standard error biases. Finally, in order to check the validity of the instruments

matrix in levels, Sargan and Hansen tests are carried out, as well as the Arellano-Bond test

for autocorrelation of the idiosyncratic effect (if this kind of autocorrelation exists, the use

of lagged values as instruments will be invalidated).

2.3. Sample and time structure

The target population comprise 162 DCs that received ODA in any of the 16 years

included in our period of analysis (1993-2008)9, according to the Development Assistance

Committee (DAC) database. However, 99 countries were ultimately excluded from the

analysis due to lack of necessary information10. Annexe 1 shows the 63 countries and 183

observations finally analysed.

conditions for equations in first differences. In these cases, the simulations show that the difference GMM provides biased downwards estimators, especially when T is small (Blundell and Bond, 1998). 6 Other studies on aid effectiveness have estimated dynamic panel data models, some using the difference GMM (e.g..Hansen and Tarp, 2001; Dalgraad et al., 2004; Clemens et al., 2004; Chauvet and Guillaumont, 2004; Rajan and Subramanian, 2005; Roodman, 2007; Heady, 2008; Djankov et al., 2009), other using the system GMM (Tezanos et al., 2009). 7 We use STATA’s “xtabond2” command developed by Roodman (2009). 8 I.e. it is assumed that observations are independent across countries, although the errors of the same country are not necessarily independent over time. 9 This is the longest period with complete information on ODA-ST flows reported by the DAC database. 10 The excluded are countries with less than one million inhabitants, mostly islands (Antigua and Barbuda, Bahrain, Bermuda, Brunei, Cape Verde, Comoros, Dominica, Tuvalu, Kiribati, Macao, New Caledonia, Marshall Islands, Aruba, Barbados, Bahamas, Guyana, Malta, Micronesia, French Polynesia, Palau, Sao Tome and Principe, Seychelles, Solomon Islands, Saint Kitts and Nevis, St. Lucia, St. Vincent and Grenadines, Tonga and Vanuatu); countries with little availability of statistical information (such as Afghanistan, Cuba, Fiji, Haiti, Madagascar, Trinidad and Tobago, Mauritius, North Korea, Equatorial Guinea, Papua New Guinea, Iraq and East Timor); countries whose independence has not been officially recognized (Palestine and Western Sahara); and autonomous regions linked to other States (Puerto Rico and Hong Kong).

216

Regarding the time structure, literature on aid effectiveness has often used panel data sets

in which most of the variables are averages over four or five-year periods. This is an

alternative procedure to that proposed by Barro (with longer periods), which entails an

attribution problem of the aid impact. Ultimately, the choice between periods of four or

five years has not been empirically justified and is, therefore, arbitrary. However, the

choice of four-year periods is the most commonly used because it maximises the temporal

dimension of the sample, so it is the one we choose in this research.

2.4. Variables

The choice of the proxies for the estimation of the aid-ST effectiveness model tries to

maximize the availability of data (thus reducing the data selection bias that stems from a

non-random omission of information11), and to avoid redundant information (which causes

problems of multicollinearity). Annexes 2 and 3 show several descriptive measures and

detailed information about the data sources and the elaboration procedures of the variables.

- Dependent variable

We use the dependent variable most commonly used in aid effectiveness studies: the

average growth rate of the GDP per capita in each four-year period (G).

- Independent variables

We measure the β-convergence by means of the natural logarithm of the GDP per capita in

the initial year of each four-year period (lnGDPpc0).

Innovation capacities (Ii,t) are approximated by the number of scientific papers published

per 100 inhabitants (Papers), expecting a positive relationship with the growth rate. This is

one of the indicator recommended by the OECD’s Frascati Manual (2002) for measuring

innovation capacities.

11 The poorest countries often lack statistical information, so their exclusion could systematically bias estimations. Therefore, it is important to use a set of explanatory variables widely available in these countries

217

Aid flows are proxied by ODA flows channelled to DCs by multilateral agencies and

bilateral donors (DAC and other donors who are not members of this Committee but do

report information)12. Data is extracted from the DAC’s CRS (Creditor Reporting System)

database; we use “ODA commitments” because it is the most comprehensive and accurate

information available in this database13.

For the computation of ODA-ST, we use the approach proposed by UNCTAD (2007),

which identifies 28 aid sectors (according to the DAC’s sector classification) related to

innovation. These sectors can be classified into two main groups: “aid for research and

technological development” (agriculture, forestry, fishery, education, health, energy and

environment) and “aid for developing advanced and specific innovation skills” (vocational

training, higher education, statistical capacity building, and various types of training

related to social, productive and trade sectors).

The two aid variables (ODAST y ODAnonST) are transformed by the natural logarithm for

two reasons: to reduce heteroscedasticity and dispersion among observations, and to

linearize the relationship between aid and growth14.

In relation to the vector of variables that determine the eventual impact of aid in recipient

countries (Ri,t ), we use three proxies to analyze their interactive effect with aid:

i. Institutional quality of recipient countries, assuming that aid is more effective in

countries with good policies and institutions. In this study we use the governance

indicators developed by Kaufmann et al. (2011), which provide comprehensive

information on six governance dimensions: i) voice and accountability, ii) political stability 12 In accordance with DAC’s criteria, ODA consists of grants and loans that meet the following four conditions: i) are disbursed to DCs, ii) are granted by the official sector, iii) their main objective is the promotion of economic growth and welfare, and iv) in the case of loans, they are granted on concessional financial terms, with a grant element of at least 25%. 13 The amount of aid can be expressed in terms of the “commitments” made by the donor or the “disbursements” (net or gross) finally disbursed. In any case, the DAC does not recommend the use of the information provided by the CRS database on aid disbursements prior to 2002 due to its low coverage (less than 60% of ODA activities). From this year the coverage raises to 90%, and reaches 100% from 2007 onwards. In contrast, the information coverage on commitments is much higher: 70% in 1995, 90% in 2000 and 100% from 2003 onwards. 14 The relationship between aid and growth is not linear due to the existence of diminishing marginal returns to aid. Various empirical studies have verified the concavity of the aid-growth relationship: from the early study of Dudley and Montmarquette, (1976), to the more recent studies of Hansen and Tarp (2001), Lensink and White (2001), Collier and Dollar (2002) and Clemens et al. (2004).

218

and absence of violence, iii) government effectiveness, iv) regulatory quality, v) rule of

law, and vi) control of corruption. Governance indicators are constructed using the

methodology of unobserved components and their distribution is centred on zero and has a

dispersion of approximately ±2.5, which lets us add multiple dimensions into a single

indicator. Specifically, we calculate the arithmetic average of these six dimensions of good

governance (Governance).

ii. Economic shocks, assuming that aid can be particularly effective in these situations,

“smoothing” the adverse effects on growth. In particular, we evaluate trade shocks (as did

Collier and Dehn, 2001; Guillaumont and Chauvet, 2001, Chauvet and Guillaumont, 2004,

and Collier and Goderis, 2008), using as proxy the terms of trade (Voltrade).

iii. Structural disadvantages that limit DCs’ chances to progress, assuming that the impact

of aid is particularly high in countries with these disadvantages. We use the proxy

proposed by Dalgraad et al. (2004): proportion of each country’s land located within the

Tropics (Tropical).

In relation to the vector of other growth explanatory variables (Zi,t), we use four additional

proxies:

i. Institutional quality, which has a positive impact on economic growth (Kaufmann and

Kraay, 2002; Kaufmann et al., 2009, Alonso and Garcimartín, 2011). Again we use the

Governance variable previously described15.

ii. Human capital, assuming a positive contribution to growth (Lucas, 1988; De la Fuente

and Doménech, 2006). This variable is approximated by Barro and Lee’s average years of

total schooling of people over 25 years old (Hk).

iii. Inequalities, which negatively affect economic growth (Easterly, 2002), are proxied

through the Gini index of income inequality (Gini).16

15 Note that this variable acts simultaneously as an aid impact condition (see δ4 parameter of equation [5]) and as an endogenous growth factor (parameter δ8). 16 See reviews of the literature on the relationship between growth and equality in Alonso (2005).

219

iv. The endowment of natural resources, which we assume that adversely affects the

growth rate as predicted by the hypothesis of the “natural resource curse” (Sachs and

Warner, 1999; Bravo-Ortega and De Gregorio, 2005; Leite and Weideman, 2002; Isham et

al., 2005). We proxy this variable by the fuel exports (percentage of merchandise exports)

(Expoil).

v. Macroeconomic instability, which may negatively affect growth (Fischer, 1993), is

proxied by the inflation rate (Inflation).

In sum, the final regression equation has the following expression:

+⋅+++= tinonSTST

tititi PapersODAODAPapersGDPpcGtiti ,32,1,, ,,

ln0ln δδδβ

, , ,4 , 5 , 6 ,i t i t i t

ST ST STi t i t i tODA Governance ODA Voltrade ODA Tropicalδ δ δ+ ⋅ + ⋅ + ⋅ +

,7 8 9 10 , 11 12 ,ln

i t

nonSTi t i tODA Governance Hk Gini Expoil Inflationδ δ δ δ δ δ ε+ + + − − − + [5]

In this regression model, three explanatory variables may be non-strictly exogenous: initial

per capita income, governance and the interactive variable between governance and ODA-

ST. Therefore, the estimation of the model requires to instrument them. In any case, since

expanding the number of instruments results in inefficient estimates (Roodman, 2008 and

2009), we limit the number of instruments to a minimum17.

Finally, the model estimation includes time dummies in order to reduce the degree of

autocorrelation among countries and the error idiosyncratic term, which leads to more

robust estimators (Roodman, 2009).

3. Results: growth impact of aid for innovation

In aggregated terms, aid-ST has had a positive and statistically significant effect on DCs’

GDP per capita growth in the period 1993-2008 (Table 1). According to our estimates, a

17 In our case, we have 63 countries and a maximum of 22 instruments.

220

1% increase in ODA-ST may increase the growth rate by around 0.007 percentage

points18. Although it may seem a limited impact, it is in fact noteworthy given that the

contribution of ODA-ST to the sample countries’ GDP is exiguous, accounting for

approximately 0.18% (see Annexe 3). Furthermore, this results holds regardless of other

aid effectiveness determinants (such as good governance, economic shocks and structural

disadvantages). In contrast, the estimated effect of the rest of aid flows is statistically non-

significant.

Table 1. Estimation of the aid-ST effectiveness model

Coefficients Corrected

Std. Err. t P>|t| [95% conf. interval]

lnGDPpc0 1.520177 0.709696 2.14 0.032 0.129199 2.911155

Papers 0.277259 0.143243 1.94 0.053 -0.0034935 0.558011

lnODAST 0.661223 0.353439 1.87 0.061 -0.0315040 1.353950

ODAST ·Papers -6.213506 3.163518 -1.96 0.050 -12.413890 -0.013124

ODAST·Governance 2.208733 1.908986 1.16 0.247 -1.532811 5.950277

ODAST ·Voltrade 0.010722 0.009868 1.09 0.277 -0.008619 0.030063

ODAST ·Tropical -0.006159 0.019658 -0.31 0.754 -0.044688 0.032370

lnODAnonST 0.093359 0.142966 0.65 0.514 -0.186849 0.373567

Governance 0.092372 1.395625 0.07 0.947 -2.643003 2.827746

Hk -0.396960 0.636809 -0.62 0.533 -1.645083 0.851162

Gini -0.131204 0.062656 -2.09 0.036 -0.254008 -0.008400

Expoil -0.020073 0.016875 -1.19 0.234 -0.053147 0.013001

Inflation -0.004165 0.009344 -0.45 0.656 -0.022479 0.014149

Post-estimation tests (p-values)

χ2 (22, 63) = 0.000

Sargan = 0.976

Hansen = 0.964

Arellano-Bond AR(1) = 0.004

Arellano-Bond AR(2) = 0.893

18 Since aid is expressed in logarithms, the interpretation of the aid impact coefficient requires to divide by 100 the estimated coefficient of δ2, thus reflecting the increased growth rate (in percentage points) that generates a 1% relative increase in the aid variable.

221

Sample: No. of observations = 18 No. of groups (countries) = 63

No. periods: 4-year periods (1993-1996, 1997-2000, 2001-2004,

2005-2008)

Obs. per group: min=1, max=4, Average=2.9

Number of instruments = 22

Instruments for GMM system equations: lnGDPpc0, Governance and ODAST·Governance

(2 and deeper lags, endogenous variables).

Panel data regressions, system GMM, two-step estimations, White’s (heteroskedasticity-

adjusted) robust errors, Windmeijer correction for finite samples, and instrument matrix

collapsed. We include time dummies in all regressions (not reported). p-values are shown

within brackets. See Annexe 2 for explanation of the variables.

Furthermore, the interaction term between ODA-ST and innovation is also statistically

significant with a negative estimated coefficient. This result is particularly interesting, as it

suggests that the impact of ODA-ST is higher in countries with low innovation capacities,

which in turn justifies a prioritized allocation of resources to these DCs. Therefore, if

ODA-ST is effective, and it seems to be particularly effective in the least innovative

countries, this type of aid could be appropriate for closing the world innovation gap,

provided that it is targeted to the appropriate countries. In this sense, the study of Quiñones

and Tezanos (2011) supports this argument as it points out that the geographical allocation

of ODA-ST has been moderately progressive since 1993 (i.e. it is allocated more than

proportionally to the least innovative countries).

Regarding the growth determinant variables, two are statistically significant. On the one

hand, innovation capacities exert a positive effect on growth; according to our estimations,

a 1% increase in the ratio of scientific papers generates a growth stimulus of 0.28

percentage points, thus supporting the argument that innovation is a relevant determinant

of economic progress. On the other hand, income inequalities operate to the detriment of

growth, to the extent that a 1% increase in the Gini index detracts approximately 0.13

percentage points of the growth rate. This result may stem from the fact that inequalities

generates “public bads” (such as crime, violence and insecurity), which limit the

investment and growth possibilities and reduces the economy’s productive capacity due to

the exclusion of the poor (Fajnzylber et al., 1998; Easterly, 2002; Alonso, 2005).

222

Regarding the β-convergence, the estimated coefficient is positive and statistically

significant, therefore depicting a possible scenario of divergence in terms of per capita

incomes (with an estimated β-parameter approximately equal to 1.64). This result is due

both to the comparatively slower growth in some of the poorest DCs included in the

sample (low and low-middle income countries such as Burundi, Benin, Bolivia, Cameroon,

Ivory Coast, El Salvador, Nicaragua, Pakistan and Yemen), and the rapid pace of growth

experienced in recent years by the “emerging” middle-income economies (specially China,

Brazil and India), which implies a widening gap in the developing world in terms of per

capita incomes. Moreover, this result supports the thesis of those authors who argue that

international income inequalities have not decreased in recent decades (Milanovic, 2005

and 2010).

Regarding the goodness of fit of the model, the joint significance test strongly rejects that

all coefficients are simultaneously equal to zero (see p-value=0 in Table 1). Furthermore,

the Sargan and Hansen tests for joint validity of the instruments are not rejected, as it

happens with the Arellano-Bond test for autocorrelation in the idiosyncratic error term.

Consequently, the results of these post-estimation tests support the validity of the

estimates.

It is worth mentioning that some regressors may be correlated, as they try to capture

similar determinants of economic growth, thus creating a problem of multicollinearity.

This may be the case of the variables included in the vectors R and Z of equation [3]. As a

first precautionary measure to avoid multicollinearity problems, we have chosen the

proxies trying to avoid redundant information. Also, the high number of observations

included in the analysis (183) and the high variability of the dependent variable assures the

efficiency of the results. Moreover, the pairwise correlations matrix of the full set of

explanatory variables used in the analysis shows that the majority of the correlations are

reasonably low (Table 2)19. There are, however, three high correlations that require further

consideration:

19 Gujarati (2003, pg. 345) offers the tentative value of 0.8 as the limit beyond which multicollinearity becomes a “serious problem”.

223

i. The correlation between Governance and lnGDPpc0 (+0.71), because countries with the

highest per capita incomes also have the best records of governance.

ii. The correlation between ODAST and ODAnonST (+0.77), indicating that these two

modalities of aid tend to be geographically allocated in similar ways (i.e. countries that

receive high ODA-ST ratios also tend to be those with higher receptions of other aid

modalities).

iii. The correlation between ODAST·Voltrade and ODAST·Trop (+0,909), which is due to the

fact that the tropical variable is invariant over time.

However, these relatively high correlations do not significantly alter the estimation results,

as can be seen when we run again the regressions successively removing the three

variables that are causing the high correlation coefficients (ODAS·Trop, Governance and

ODAnonST) (Table 3). Thus, the three last estimated regressions (equations [2] to [4]) do not

significantly differ from our base regression (equation [1]), thus reassuring the robustness

of the estimations.

Tab

le 2

. Pai

rwis

e co

rrel

atio

n m

atrix

of t

he v

aria

bles

incl

uded

in th

e an

alys

is

G

ln

GD

Ppc0

ln O

DA

ST ln

OD

Ano

nST O

DAST

·Pap

ers O

DAST

· G

over

nace

Gov

erna

nce O

DAST

· V

oltr

ade O

DAST

· Tr

opic

al P

aper

s G

ini

Kh

Exp

oil

Infla

tion

G

1,00

00

lnG

DPp

c0

0,07

80 1

,000

0

lnO

DAST

0,

0469

-0,

5423

1,

0000

ln O

DA

nonS

T -0

,077

5 -0,

7145

0,

7735

1,

0000

OD

AST·P

aper

s 0,

0810

0,1

208

0,34

95

0,19

03

1,00

00

OD

AST·G

over

nanc

e 0,

0741

0,3

749

-0,3

609

-0,3

116

0,01

60

1,00

00

Gov

erna

nce

0,10

14 0

,711

3 -0

,237

1 -0

,324

3 0,

1426

0,

4155

1,

0000

OD

AST·V

oltr

ade

-0,0

169 -

0,29

29

0,63

17

0,41

05

0,35

15

-0,4

270

-0,0

694

1,00

00

OD

AST·T

ropi

cal

-0,0

598 -

0,21

72

0,52

17

0,33

60

0,25

10

-0,2

343

-0,0

239

0,90

94

1,00

00

Pape

rs

0,06

19 0

,376

6 -0

,247

4 -0

,274

2 0,

1206

0,

0869

0,

3328

-0

,101

5 -0

,087

0 1,

0000

Gin

i -0

,205

0 0,2

320

-0,2

123

-0,1

757

-0,2

104

0,13

82

0,21

93

-0,1

453

-0,0

202

-0,0

964

1,00

00

Kh

0,17

25 0

,547

4 -0

,318

0 -0

,355

2 0,

2358

0,

2896

0,

4465

-0

,249

9 -0

,396

3 0,

3086

-0

,021

1 1,0

000

Exp

oil

0,00

92 0

,189

0 -0

,273

7 -0

,311

8 -0

,138

3 0,

0743

0,

1816

-0

,130

1 -0

,141

4 -0

,050

7 -0

,099

8 -0,

0537

1,00

00

Infla

tion

-0,1

603 -

0,12

10

0,00

98

0,06

43

-0,0

226

-0,1

304

-0,2

280

0,01

51

0,03

44

-0,0

910

-0,0

910 -

0,02

82 -0

,020

1 1,0

000

225

Table 3. Re-estimation of the aid-ST effectiveness model without the explanatory

variables with high pairwise correlations

[1] [2] [3] [4]

ln GDPpc0 1.520177

(0.032)

1.510161

(0.032)

1.586129

(0.039)

1.528689

(0.031)

Papers 0.2772586

(0.053)

0.2697485

(0.075)

0.2678725

(0.048)

0.240892

(0.084)

ln ODAST 0.6612229

(0.061)

0.6396501

(0.052)

0.6655648

(0.069)

0.7064022

(0.062)

ODAST · Papers -6.213506

(0.050)

-5.942183

(0.033)

-6.213052

(0.047)

-6.10464

(0.048)

ODAST · Governance 2.208733

(0.247)

2.502509

(0.106)

2.252518

(0.135)

2.358579

(0.210)

ODAST · Voltrade 0.0107225

(0.277)

0.0084759

(0.441)

0.0114145

(0.252)

0.0116128

(0.234)

ODAST · Tropical -0.0061589

(0.754)

-0.0065875

(0.730)

-0.0053071

(0.787)

lnODAnonST 0.0933586

(0.514)

0.0907501

(0.527)

0.0803285

(0.552)

Governance 0.0923718

(0.947)

0.0835293

(0.953)

-0.0743938

(0.956)

Hk -0.3969601

(0.533)

-0.3633199

(0.549)

-0.4761187

(0.467)

-0.418962

(0.516)

Gini -0.1312041

(0.036)

-0.1327905

(0.04)

-0.136988

(0.050)

-0.128381

(0.036)

Expoil -0.0200732

(0.234)

-0.020139

(0.235)

-0.0227506

(0.058)

-0.0232863

(0.135)

Inflation -0.0041647

(0.656)

-0.0041007

(0.666)

-0.0039629

(0.721)

-0.0041098

(0.657)

Post-estimation tests (p-values)

χ2 (22,63)/(21,63)/

(19,63)/(21,63) 0.000 0.000 0.000 0.000

Sargan 0.976 0.978 0.950 0.976

Hansen 0.964 0.963 0.925 0.956

Arellano-Bond AR(1) 0.004 0.004 0.004 0.004

Arellano-Bond AR(2) 0.893 0.881 0.873 0.762

226

Sample: Number of observations = 183 Number of groups (countries) = 63

No. periods: 4-year periods (1993-1996, 1997-2000, 2001-2004, 2005-2008)

Obs. per group: min=1, max=4, Average=2.9

Number of instruments = 22

Instruments for GMM system equations: lnGDPpc0, Governance and ODAST·Governance (2 and deeper

lags, endogenous variables).

Panel data regressions, system GMM, two-step estimations, White’s (heteroskedasticity-adjusted) robust

errors, Windmeijer correction for finite samples, and instrument matrix collapsed. We include time dummies

in all regressions (not reported). p-values are shown within brackets. See Annexe 2 for explanation of the

variables.

4. Conclusions

Perhaps one of the most unanimous results of the applied economic research is that

innovation is a crucial force for sustained economic growth. Despite this consensus,

previous research on aid effectiveness has not studied the impact that aid policies devoted

to enhancing DCs’ innovation capacities has on their paces of growth. The truth is that the

contribution of ODA-ST to the developing world’ GDP is very limited (approximately

0.18% in our sample of countries), so we can hardly expect a tremendous results on growth

from these exiguous resources. However, aid-ST may have a significant impact, as it helps

to develop the DCs’ innovation capacities. Invested strategically, aid-ST can be an

“inclusive” development strategy, contributing to enhance the innovation capacities of the

developing world and to close the global innovation gap.

After 50 years of research and over 100 empirical studies, it is still controversial to assert

that international aid fosters, in aggregated terms, the DCs’ pace of economic growth.

However, most of the studies have analyzed the macroeconomic impact of “aggregated”

aid flows, without distinguishing potentially different impacts for dissimilar aid modalities.

Therefore, the aim of this paper is to quantify the impact exerted by a specific aid type

(ODA-ST) on the growth rate of DCS’ per capita income. To this end, we propose an

analytical model of the impact of aid-ST on growth adapted to the characteristics of

innovation and based on the new growth theory.

The econometric estimation of the model for the period 1993-2008 offers four relevant

results:

227

First, ODA-ST has been effective in stimulating growth, in such a way that a 1% increase

in this type of aid may increase the GDP per capita growth rate around 0.007 percentage

points. Moreover, this results holds regardless of other aid effectiveness determinants (such

as good governance, economic shocks and structural disadvantages). In contrast, the

impact of aid is “diluted” when we consider other resources not intended to develop

innovation capacities.

Second, we estimate a negative interaction coefficient between ODA-ST and innovation; a

result that suggests that the impact of this resources may be higher the lower the innovation

capacities of the recipients, which is a strong argument in favour of emphasizing the use of

this type of aid in the least innovative countries. Therefore, if ODA-ST is effective and it is

particularly effective in countries with low innovation capacities, this type of aid may be

appropriate for closing the world innovation gap —provided that it is targeted to the

appropriate countries.

Third, regarding the characteristics of the recipient economies that determine the different

paces of economic growth, two variables are statistically significant: on one hand,

innovation was —according to our estimations— the main force of progress for the

analysed sample of DCs. On the other hand, income inequalities were a major drag on

growth; a result that may be related to the generation of “public bads” (such as crime,

violence and insecurity) that seriously restrict the possibilities of growth.

Forth, the analysis suggests that the existence of substantial disparities among DCs’ rates

of growth results in a slow process of divergence in terms of the per capita income levels,

because some of the poorest countries have tended to grow slower and some of the most

advanced countries (especially the “emerging economies”) have grown rapidly.

Ultimately, innovation is confirmed —once more— as a strategic “bet” on development,

while the use of international public co-operation policies focused on enhancing DCs’

innovation capacities may constitute a “boost” to the often questioned aggregated

effectiveness of aid. In this sense, a more strategic selection of aid modalities —adapted to

the specific socio-economic conditions of each partner country— and a greater emphasis

on the resources devoted to foster innovation capacities, may be advisable for increasing

228

the impact of aid. However, further research is needed both for a correct identification of

the dissimilar impact of different aid modalities, and for a better understanding of the

conditions that determine the eventual impact of these resources.

All in all, the analysis presented in this paper aims to contribute to the aid effectiveness

debate by providing new evidence on the positive effects exerted by a particular modality

of aid that —because of its nature and objectives— involves a particularly high potential

impact. In any case, our study only tests the “macroeconomic effectiveness” of aid in

relation to economic growth, and not in relation to progress in other dimensions of human

development. Therefore, it should be interpreted as a “partial” evaluation of aid

effectiveness, exclusively referred to the economic dimension of development.

5. References

ALONSO, J.A. (2005): “Equidad y crecimiento: una relación en disputa”, PRINCIPIOS.

Estudios de Economía Política, 1, ps. 9-36.

ALONSO, J.A. and GARCIMARTÍN, C. (2011): “The determinants of institutional

quality. More on the debate”, Journal of International Development, forthcoming.

ANNEN, K. and KOSEMPEL, S. (2009): “Foreign Aid, Donor Fragmentation, and

Economic Growth”, The B.E. Journal of Macroeconomics, Vol. 9: Iss. 1, Article 33.

ARELLANO, M. and BOND, S. (1991): “Some Tests of Specification for Panel Data:

Monte Carlo Evidence and an Application to Employment Equations”, Review of

Economic Studies, 58, ps. 277-297.

ARELLANO, M. and BOVER, O. (1995): “Another Look at the Instrumental Variable

Estimation of Error-Components Models”, Journal of Econometrics, 68, ps. 29-51.

BARRO, R. (1991): “Economic Growth in a Cross Section of Countries”, The Quarterly

Journal of Economics, vol. 106, 2, ps. 407-443.

BLUNDELL, R. and BOND, S. (1998): “Initial Conditions and Moment Restrictions in

Dynamic Panel Data Models”, Journal of Econometrics, 87, ps. 115-143.

BOONE, P. (1996): “Politics and the effectiveness of foreign aid”, European Economic

Review, nº 40, ps. 289-329.

229

BRAVO-ORTEGA C. and DE GREGORIO, J. (2005): “The Relative Richness of the

Poor? Natural Resources, Human Capital and Economic Growth” Policy Research

Working Paper Series 3484, The World Bank.

BULIR, H. y HAMANN, A.J. (2008): “Volatility of Development Aid: From the Frying

Pan into the Fire”, World Development, Vol. 36, 10, ps. 2048-2066.

BURNSIDE, C. and DOLLAR, D. (2000): “Aid, policies and growth”, American

Economic Review, 90 (4), ps. 847–868.

BURNSIDE, C. and DOLLAR, D. (2004): “Aid, policies and growth: reply”, American

Economic Review, 94, ps. 781–784.

CHAUVET, L. and GUILLAUMONT, P. (2004): “Aid and growth revisited: Policy,

economic vulnerability and political instability”, ps. 95-109, in TINGODDEN, B.,

STERN, N. and KOLSTAD, I. (Eds.): Towards pro-poor policies – Aid, Institutions

and Globalization, World Bank - Oxford University Press, Washington DC.

CLEMENS, M., RADELET, S. and BHAVNANI, R. (2004): “Counting chickens when

they hatch: The short term effect of aid on growth”, Center for Global Development,

Working Paper 44.

COLLIER, P. and DEHN, J. (2001): “Aid, shocks, and growth”, World Bank Policy

Research, nº 2688, World Bank.

COLLIER, P. and DOLLAR, D. (2002): “Aid allocation and poverty reduction”, European

Economic Review, 26, ps. 1475–1500.

COLLIER, P. and GODERIS, B. (2008): “Does Aid Mitigate External Shocks?, UNU-

WIDER Discussion Paper, 2008/06, UNU-WIDER.

COLLIER, P. and HOEFFLER, A. (2004): “Aid, policy and growth in post-conflict

societies”, European Economic Review, 48, ps. 1125-1145.

DAC (2011): Development Database on Aid from DAC Members: DAC online,

OECD.Stat, Development Assistance Committee, available at


DALGAARD, C. and HANSEN, H. (2010): “Evaluating Aid Effectiveness in the

Aggregate: A critical assessment of the evidence”, Munich Personal RePEc Archive

MPRA, Evaluation Study 2010/1.

DALGAARD, C., HANSEN, H. and TARP, F. (2004): “On the empirics of foreign aid and

growth”, The Economic Journal, 114, ps.191-216.


230

DE LA FUENTE, A. and DOMÉNECH, R. (2006): “Human capital in growth regressions:

how much difference does data quality make?”, Journal of the European Economic

Association, 4, ps, 1-36.

DJANKOV, S., MONTALVO, J.G. and REYNAL-QUEROL, M. (2009): “Aid with

Multiple Personalities”, Journal of Comparative Economics, 37, ps. 217-229.

DOUCOULIAGOS, H. and PALDAM, M. (2008): “Aid Effectiveness on Growth: A Meta

Study”, European Journal of Political Economy, 24, ps. 1-24.

DUDLEY, L. and MONTMARQUETTE, C. (1976): “A model of the supply of bilateral

foreign aid”, American Economic Review, 66 (1), ps. 132–142.

DURBARRY, R., GEMMELL, N. and GREENAWAY. D. (1998): “New evidence on the

impact of foreign aid on economic growth”, Credit Working Paper, University of

Nottingham.

EASTERLY, W. (2002), “Inequality dos cause underdevelopment: New evidence”,

Working Paper 1, Center for Global Development.

FAJNZYLBER, P.D., LEDERMAN, P. D. and LOAYZA, N. (1998): “Determinants of

crime rates in Latin American and the World”, World Bank Latin America and the

Caribbean Viewpoints Series Paper, Banco Mundial, Washington DC.

FISCHER, S. (1993): “The role of macroeconomic factors in growth”, Journal of

Monetary Economics, 32, ps. 485-512

GALLUP, J.L., J.D. SACHS and A. MELLINGER (1999): “Geography and Economic

Development”, International Regional Science Review, 22, ps. 179-232.

GARCIMARTÍN, C. (2007): “Un análisis crítico de las regresiones de convergencia”,

Principios, Estudios de Economía Política, 9, ps. 71-90.

GUILLAUMONT, P. and CHAUVET, L. (2001): “Aid and Performance: A

Reassessment”, Journal of Development Studies, 37 (6), ps. 66-092.

GUJARATI, D.N. (2003): Econometría, McGraw-Hill, México DF.

HANSEN, H. and TARP, F. (2001): “Aid and growth regressions”, Journal of

Development Economics, vol. 64, 2, ps. 547–570.

HEADEY, D. (2008): “Geopolitics and the effect of foreign aid on economic growth:

1970-2001”, Journal of International Development, 20, ps. 161-180.

HELPMAN. E. (Ed.) (1998): General purpose technologies and economic growth,

Massachusetts Institute of Techonolgy Press, Massachusetts.

231

HSIAO, C., PESARAN, M. H. and TAHMISCIOGLU, A. K. (1999): “Bayes Estimation

of Short-Run Coefficients in Dynamic Panel Data Models”, in HSIAO, C., LAHIRI,

K., LEE, L.F. and PESARAN, M.H. (Eds.): Analysis of Panels and Limited

Dependent Variables: A Volume in Honour of G. S. Maddala, Cambridge University

Press, ps. 268-296.

UDSON, J. and MOSLEY, P. (2008): “Aid volatility, Policies and Development”, World

Development, 10, ps. 2082-2102.

ISHAM, J., WOOLKOCK, M., PRITCHETT, L. and BUSBY, G. (2005): “The Varieties

of the Resource Experience: How Natural Resource Export Structures Affect the

Political Economy of Economic Growth”, World Bank Economic Review, 19, ps.

141-174.

KAUFMANN, D. and KRAAY, A. (2002): “Growth without Governance”, Economía,

Vol. 3, 1, ps. 169-229.

KAUFMANN, D., KRAAY, A., and MASTRUZZI, M. (2009): “Governance Matters VIII:

Aggregate and Individual Governance Indicators, 1996-2008”, World Bank Policy

Research Working Paper, 4978, available at http://ssrn.com/abstract=1424591

KAUFMANN, D., KRAAY, A., and MASTRUZZI, M. (2011): The Worldwide

Governance Indicators (WGI) project, available at


KIVIET, J. (1995): “On bias, inconsistency, and efficiency of various estimators in

dynamic panel data models”, Journal of Econometrics, 68 (1), ps. 53-78.

KOSACK, S. (2002): “Effective aid: How democracy allows development aid to improve

the quality of life”, World Development, 31, ps. 1-22.

LEITE, C. and WEIDMANN, M. (2002): “Does Mother Nature Corrupt? Natural

Resources, Corruption and Economic Growth” in ABED, G.T. y GUPTA, S. (Eds.):

Governance, Corruption and Economic Performance, IMF, Washington DC, ps.

159-196.

LENSINK, R. and MORRISSEY, O. (2000): “Aid instability as a measure of uncertainty

and the positive impact of aid on growth”, Journal of Development Studies, 36, ps.

31-49.

LENSINK, R. and WHITE, H. (2001): “Are there negative returns to aid?”, Journal of

Development Studies, 37 (6), ps. 42-65.

http://ssrn.com/abstract=1424591


232

LUCAS, R. (1988). “On the Mechanics of Economic Development.” Journal of Monetary

Economics, 22, ps. 3–42.

MCGILLIVRAY, M., FEENY, S., HERMES, N. and LENSIK, R. (2006): “Controversies

over the impact of development aid: it works; it doesn’t; it can, but that depends...”,

Journal of International Development, 18, ps. 1031-1050.

MILANOVIC, B. (2005): Worlds Apart:Measuring International and Global Inequality,

Princeton University Press, Princeton, New Jersey.

MILANOVIC, B. (2010): “Global inequality recalculated and updated: the effect of new

PPP estimates on global inequality and 2005 estimates”, The Journal of Economic

Inequality, ps. 1-18.

MINOIU, C. and REDDY, G.R. (2009): “Development Aid and Economic Growth: A

Positive Long-Run Relation”, IMF working paper, WP/09/118.

OECD (2002): The Measurement of Scientific and Technological Activities. Frascati

Manual 2002:Proposed Standard Practice for Surveys on Research and

Experimental Development, Organisation for Economic Co-operation and

Development, Paris.

OUATTARA, B., and STROBL, E. (2008): “Aid, Policy and Growth: Does Aid Modality

Matter?”, Review of World Economics, 144, ps. 347-65.

RAJAN, R.G. and SUBRAMANIAN, A. (2005): “What Undermines Aid’s Impact on

Growth?”, IMF Working Paper, 05/126.

RAJAN, R.G. y SUBRAMANIAN, A. (2008): “Aid and Growth: What Does the Cross-

Country Evidence Really Show?”, Review of Economics and Statistics, vol. 90, 4, ps.

643-665.

ROODMAN, D. (2007): “The Anarchy of Numbers: Aid, Development, and Cross-

Country Empirics”, The World Bank Economic Review, vol. 21, 2, ps. 255-277.

ROODMAN, D. (2008): “A note on the theme of too many instruments”, Center for

Global Development Working Paper, 125.

ROODMAN, D. (2009): “How to do xtabond2: An introduction to difference and system

GMM in Stata”, The STATA Journal, vol. 9, 1, ps. 86-136.

SACHS, J.D. and WARNER, A.M. (1999): “The Big Push, Natural Resource Booms and

Growth”, Journal of Development Economics, 59, ps. 43-76.

SVENSSON, J. (1999): “Aid, Growth and Democracy”, Economics and Politics, 11, ps.

275-297.

233

TARP, F. (2010): “Aid, Growth, and Development”, in MAVROTAS, G. (Ed.) Foreign

Aid for Development. Issues, Challenges, and the New Agenda¸ Oxford University

Press, Oxford.

TEZANOS, S. (2010): “Aid and growth: a debatable connexion”, Revista de Economía

Mundial, 26, ps. 237-259.

TEZANOS, S., MADRUEÑO, R. and GUIJARRO, M. (2009): “Impacto de la ayuda sobre

el crecimiento económico. El caso de América Latina y el Caribe”, Cuadernos

Económicos, Información Comercial Española, 78, ps. 187-220.

WOLRD BANK (2011): World Development Indicators 2011, Washington DC.

6. Annexes

Table A1. Countries and periods included in the regression analysis

n Country Periods

1 Algeria 1993-1996

2 Argentina 1993-1996, 2005-2008

3 Bangladesh 1993-1996, 1997-2000, 2001-2004, 2005-2008

4 Belize 2005-2008

5 Benin 2001-2004

6 Bolivia 1993-1996, 1997-2000, 2001-2004, 2005-2008

7 Brazil 1993-1996, 1997-2000, 2001-2004, 2005-2008

8 Burundi 1993-1996, 2005-2008

9 Cambodia 2005-2008

10 Cameroon 1997-2000, 2001-2004, 2005-2008

11 China 2005-2008

12 Colombia 1993-1996, 1997-2000, 2001-2004, 2005-2008

13 Costa Rica 1993-1996, 1997-2000, 2001-2004, 2005-2008

14 Ivory Coast 1993-1996, 1997-2000, 2001-2004, 2005-2008

15 Dominican Rep. 1993-1996, 1997-2000, 2001-2004, 2005-2008

16 Ecuador 1993-1996, 1997-2000, 2001-2004, 2005-2008

17 Egypt 1993-1996, 1997-2000, 2001-2004, 2005-2008

18 El Salvador 1993-1996, 1997-2000, 2001-2004, 2005-2008

19 Gambia 1993-1996, 1997-2000, 2001-2004, 2005-2008

234

n Country Periods

20 Ghana 1993-1996, 1997-2000, 2001-2004, 2005-2008

21 Guatemala 1993-1996, 1997-2000, 2001-2004, 2005-2008

22 Honduras 1993-1996, 1997-2000, 2001-2004, 2005-2008

23 India 2005-2008

24 Indonesia 2005-2008

25 Iran 2001-2004, 2005-2008

26 Jamaica 2001-2004, 2005-2008

27 Jordan 1993-1996, 1997-2000, 2001-2004, 2005-2008

28 Kenya 1993-1996, 1997-2000, 2001-2004, 2005-2008

29 Korea 1993-1996, 1997-2000

30 Malawi 1993-1996, 1997-2000, 2001-2004, 2005-2008

31 Malaysia 1993-1996, 1997-2000, 2001-2004, 2005-2008

32 Maldives 2005-2008

33 Mali 2005-2008

34 Mauritania 1993-1996

35 Mexico 1993-1996, 1997-2000, 2001-2004, 2005-2008

36 Mongolia 2001-2004, 2005-2008

37 Morocco 1993-1996, 1997-2000, 2001-2004, 2005-2008

38 Mozambique 1993-1996, 1997-2000, 2001-2004, 2005-2008

39 Nepal 2001-2004

40 Nicaragua 1997-2000, 2001-2004, 2005-2008

41 Niger 2005-2008

42 Pakistan 1993-1996, 1997-2000, 2001-2004, 2005-2008

43 Panama 1993-1996, 1997-2000, 2001-2004, 2005-2008

44 Paraguay 1993-1996, 1997-2000, 2001-2004, 2005-2008

45 Peru 1993-1996, 1997-2000, 2001-2004, 2005-2008

46 Philippines 1993-1996, 1997-2000, 2001-2004, 2005-2008

47 Ruanda 2001-2004, 2005-2008

48 Senegal 1997-2000, 2005-2008

49 South África 1993-1996, 1997-2000, 2001-2004, 2005-2008

50 Sri Lanka 1993-1996, 2001-2004, 2005-2008

51 Swaziland 1997-2000, 2001-2004, 2005-2008

52 Tanzania 1997-2000, 2001-2004, 2005-2008

53 Thailand 1993-1996, 1997-2000, 2001-2004, 2005-2008

235

n Country Periods

54 Togo 2005-2008

55 Tunisia 1993-1996, 1997-2000, 2001-2004, 2005-2008

56 Turkey 1993-1996, 1997-2000, 2001-2004, 2005-2008

57 Uganda 1993-1996, 1997-2000, 2005-2008

58 Uruguay 1993-1996, 1997-2000, 2001-2004, 2005-2008

59 Venezuela 1993-1996, 1997-2000, 2001-2004, 2005-2008

60 Vietnam 2005-2008

61 Yemen 2001-2004, 2005-2008

62 Zambia 1993-1996, 1997-2000, 2001-2004, 2005-2008

63 Zimbabwe 1993-1996

Table A2. Variables’ description and information sources

Variable Variable Code Description Source

Average rate of

GDP per capita G Constant prices, US $, (year 2000=100).

World

Bank(2011)

ln (GDP per

capita) ln GDPpc0

Natural logarithm of the GDP per capita of the initial

year.

Constant prices, US $, (year 2000=100).

World Bank

(2011)

Papers Papers Number of scientific papers per 100 people. World Bank

(2011)

ln (ODAST) ln ODAST

Natural logarithm of the percentage of total donors’

ODA-ST commitments over GDP in each period.

Constant prices, US dollars, base year 2000.

DAC (2011)

Governance Governance Arithmetic average of six dimensions of governance. Kaufmann et al.

(2011)

Trade volatility Voltrade Percentage of export prices index over import prices

index (year 2000=100).

World Bank

(2011)

Tropical Tropical Proportion of the total area of the territorial land of a

country situated within the tropics.

Gallup, Sachs and

Mellinger (1999)

ln (ODAnonST) ln ODAnonST

Natural logarithm of the percentage of total donors´

ODA-non-ST commitments over GDP in each

period.. Constant prices, US dollars, base year 2000.

DAC (2011)

Human capital Kh

Arithmetic average of the number of years of

educational attainment among people over 25 years

old.

World Bank

(2011)

236

Variable Variable Code Description Source

Gini Gini Geometric average of the Gini index values for each

country in each period.

World Bank

(2011)

Oil exports Expoil Percentage of oil exports over total merchandise

exports.

World Bank

(2011)

Inflation Inflation Rate of inflation. World Bank

(2011)

Average growth rates are calculated according to the general formula ( ) 100100

×−−tTtT yy ,

where 0ty and Ty are, respectively, the values of the variable at the initial and the last year

of each four-year period.

The average of each variable for each country in the studied period is calculated by means

of the geometric average since this is a more suitable location measure when dealing with

ratios and indices, and because it is less sensitive to outliers. The exception to this rule are

the governance and human capital variables; since they are not expressed as rates, we

calculate the corresponding arithmetic averages.

Table A3. Descriptive statistics

Variable Obs. Average Standard

deviation Min. Max.

G

Total 183 1.8287 1.9476 -5.7961 8.5477

Between 63 1.7671 -2.4056 8.5477

Within 1.3815 -1.8403 6.2448

lnGDPpc0

Total 183 7.042 1.0819 4.6731 9.2583

Between 63 1.1069 4.8181 9.1380

Within 0.0936 6.7943 7.3203

Papers

Total 183 0.5862 0.2655 0.0090 10.9092

Between 63 0.2648 0.0207 6.9830

Within 0.1342 -3.3400 4.5124

ODAST

Total 183 0.1756 0.2655 0.0007 1.9104

Between 63 0.2648 0.0014 1.0621

Within 0.1341 -0.7245 1.0758

237

Variable Obs. Average Standard

deviation Min. Max.

ln ODAST

Total 183 -2.8513 1.7027 -7.2456 0.6473

Between 63 1.7034 -6.7214 0.0312

Within 0.6142 -5.3897 -1.1395

ODAST · papers

Total 183 0.0445 0.0899 0.0001 0.7814

Between 63 0.0708 0.0001 0.3863

Within 0.0491 -0.1983 0.4396

ODAST ·

Governance

Total 183 -0.0760 0.1950 -2.2434 0.1254

Between 63 0.1811 -1.1721 0.0377

Within 0.1217 -1.1473 0.9953

ODAST · Voltrade

Total 183 18.7955 30.4775 0.0952 233.7459

Between 63 31.6980 0.1628 132.1072

Within 14.8829 -90.294 127.8849

ODAST · Tropical

Total 183 14.1311 24.4775 0.0000 191.0367

Between 63 24.8196 0.0000 101.0172

Within 12.7275 -75.8884 104.1506

ODAnonST

Total 183 5.2930 7.4722 0.0005 52.2513

Between 63 7.0265 0.0009 29.5311

Within 2.7611 -17.4271 28.0132

ln ODAnonST

Total 183 0.3368 2.1177 -7.6646 3.9561

Between 63 2.1641 -7.2067 3.2475

Within 0.392 -1.2793 2.2076

Governance

Total 183 -0.3143 0.4147 -1.449 0.8243

Between 63 0.3957 -1.227 0.6725

Within 0.137 -0.8981 0.4260

Kh Total 183 1.4314 0.6151 0.1992 4.1162 Between 63 0.6376 0.2345 3.5581

Within 0.1658 0.7603 2.6662

Gini

Total 183 45.6722 7.9283 30.1300 61.7800

Between 63 7.4700 30.6788 58.5138

Within 2.1440 37.9084 52.5897

Expoil

Total 183 11.6156 21.0033 0.0000 94.5871

Between 63 22.7763 0.0000 94.5871

Within 3.8381 -5.0592 36.6309

Inflation

Total 183 11.7956 21.7611 0.3855 254.0078

Between 63 11.3048 0.6624 68.2105

Within 17.8202 -51.4828 197.5929

238

Documents

Ainoa Qui±ones Montellano - E-Prints Complutense - Universidad